Analisis Exploratorio de Hurtos en Colombia
Lina Marcela Quintero - Felipe Clement Santacruz
2019-04-29
1 Carga de Datos
Cargamos los siguientes datasets:
- Hurto a personas 2017
- Estadisticas en educación básica por ETC
- Población municipal DANE
- Incautación de armas de fuego 2017
Para mas información sobre cada uno, se puede visitar el enlace asociado.
1.1 Hurto 2017
data_hurto_raw <- read.csv("hurto.csv")
str(data_hurto_raw)## 'data.frame': 185105 obs. of 20 variables:
## $ Fecha : Factor w/ 365 levels "01/01/2017 12:00:00 AM",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ Departamento : Factor w/ 32 levels "AMAZONAS","ANTIOQUIA",..: 2 2 2 2 2 2 2 2 2 2 ...
## $ Municipio : Factor w/ 901 levels "ABEJORRAL","ABREGO",..: 443 443 443 443 443 443 443 443 443 443 ...
## $ Día : Factor w/ 7 levels "Domingo","Jueves",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ Hora : Factor w/ 1390 levels "12/31/1899 01:00:00 AM",..: 1040 1040 229 346 346 346 116 801 801 623 ...
## $ Barrio : Factor w/ 13990 levels " VDA. ANDALUCIA",..: 5586 5586 5586 5990 7073 10005 2224 5586 9170 8286 ...
## $ Zona : Factor w/ 3 levels "OTRAS","RURAL",..: 3 3 3 3 3 3 3 3 3 3 ...
## $ Clase.de.sitio : Factor w/ 384 levels "-","AEROPUERTO",..: 382 382 382 382 382 382 382 382 382 84 ...
## $ Arma.empleada : Factor w/ 16 levels "-","ALUCINOGENOS",..: 3 3 3 14 4 14 14 14 4 14 ...
## $ Móvil.Agresor : Factor w/ 15 levels "-","A PIE","BICICLETA",..: 2 2 2 6 12 2 2 2 14 2 ...
## $ Móvil.Victima : Factor w/ 15 levels "-","A PIE","BICICLETA",..: 2 2 2 13 13 2 2 2 5 2 ...
## $ Edad : int 39 43 26 29 37 87 30 59 35 28 ...
## $ Sexo : Factor w/ 3 levels "-","FEMENINO",..: 3 3 2 2 3 3 3 3 3 3 ...
## $ Estado.civil : Factor w/ 7 levels "-","CASADO","DIVORCIADO",..: 6 6 5 6 2 2 5 5 6 6 ...
## $ País.de.nacimiento: Factor w/ 84 levels "-","AFGANISTAN",..: 20 20 20 20 20 20 20 20 20 20 ...
## $ Clase.de.empleado : Factor w/ 36 levels "-","AFRODESCENDIENTE",..: 17 17 17 17 26 30 26 26 26 17 ...
## $ Profesión : Factor w/ 168 levels "-","ADMINISTRACION AGROINDUSTRIAL",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ Escolaridad : Factor w/ 8 levels "-","ANALFABETA",..: 5 4 5 5 5 5 5 5 5 5 ...
## $ Código.DANE : int 5001000 5001000 5001000 5001000 5001000 5001000 5001000 5001000 5001000 5001000 ...
## $ Cantidad : int 1 1 1 1 1 1 1 1 1 1 ...head(data_hurto_raw)## Fecha Departamento Municipio Día
## 1 01/01/2017 12:00:00 AM ANTIOQUIA MEDELLÍN (CT) Domingo
## 2 01/01/2017 12:00:00 AM ANTIOQUIA MEDELLÍN (CT) Domingo
## 3 01/01/2017 12:00:00 AM ANTIOQUIA MEDELLÍN (CT) Domingo
## 4 01/01/2017 12:00:00 AM ANTIOQUIA MEDELLÍN (CT) Domingo
## 5 01/01/2017 12:00:00 AM ANTIOQUIA MEDELLÍN (CT) Domingo
## 6 01/01/2017 12:00:00 AM ANTIOQUIA MEDELLÍN (CT) Domingo
## Hora Barrio Zona Clase.de.sitio
## 1 12/31/1899 10:00:00 AM LA CANDELARIA C-10 URBANA VIAS PUBLICAS
## 2 12/31/1899 10:00:00 AM LA CANDELARIA C-10 URBANA VIAS PUBLICAS
## 3 12/31/1899 03:00:00 PM LA CANDELARIA C-10 URBANA VIAS PUBLICAS
## 4 12/31/1899 04:00:00 PM LA LOMA DE LOS BERNAL C-16 URBANA VIAS PUBLICAS
## 5 12/31/1899 04:00:00 PM MANRIQUE 1 C-4 URBANA VIAS PUBLICAS
## 6 12/31/1899 04:00:00 PM SURAMERICANA C-11 URBANA VIAS PUBLICAS
## Arma.empleada Móvil.Agresor Móvil.Victima Edad
## 1 ARMA BLANCA / CORTOPUNZANTE A PIE A PIE 39
## 2 ARMA BLANCA / CORTOPUNZANTE A PIE A PIE 43
## 3 ARMA BLANCA / CORTOPUNZANTE A PIE A PIE 26
## 4 SIN EMPLEO DE ARMAS CONDUCTOR TAXI PASAJERO TAXI 29
## 5 ARMA DE FUEGO PASAJERO MOTOCICLETA PASAJERO TAXI 37
## 6 SIN EMPLEO DE ARMAS A PIE A PIE 87
## Sexo Estado.civil País.de.nacimiento Clase.de.empleado Profesión
## 1 MASCULINO UNION LIBRE COLOMBIA EMPLEADO PARTICULAR -
## 2 MASCULINO UNION LIBRE COLOMBIA EMPLEADO PARTICULAR -
## 3 FEMENINO SOLTERO COLOMBIA EMPLEADO PARTICULAR -
## 4 FEMENINO UNION LIBRE COLOMBIA EMPLEADO PARTICULAR -
## 5 MASCULINO CASADO COLOMBIA INDEPENDIENTE -
## 6 MASCULINO CASADO COLOMBIA PENSIONADO -
## Escolaridad Código.DANE Cantidad
## 1 SECUNDARIA 5001000 1
## 2 PRIMARIA 5001000 1
## 3 SECUNDARIA 5001000 1
## 4 SECUNDARIA 5001000 1
## 5 SECUNDARIA 5001000 1
## 6 SECUNDARIA 5001000 11.2 Pobloacion por Municipio
data_municipios_raw <- read.csv("municipios.csv")
str(data_municipios_raw)## 'data.frame': 1123 obs. of 112 variables:
## $ DP : int 5 5 5 5 5 5 5 5 5 5 ...
## $ DPNOM : Factor w/ 34 levels "","Amazonas",..: 3 3 3 3 3 3 3 3 3 3 ...
## $ DPMP : int 5001 5002 5004 5021 5030 5031 5034 5036 5038 5040 ...
## $ MPIO : Factor w/ 1041 levels "Abejorral","Abrego",..: 519 1 3 20 30 31 36 37 38 40 ...
## $ X1985 : Factor w/ 1015 levels "0","1,024","1,116",..: 12 471 516 649 401 272 606 767 122 108 ...
## $ X1986 : Factor w/ 1023 levels "0","1,026","1,055",..: 13 474 521 658 417 283 616 776 139 119 ...
## $ X1987 : Factor w/ 1018 levels "0","1,059","1,093",..: 13 467 530 661 419 288 622 780 143 117 ...
## $ X1988 : Factor w/ 1028 levels "0","1,094","1,130",..: 15 469 529 670 428 297 628 789 152 124 ...
## $ X1989 : Factor w/ 1028 levels "0","1,011","1,011,952",..: 16 470 538 678 440 302 627 791 155 126 ...
## $ X1990 : Factor w/ 1026 levels "0","1,030,294",..: 17 465 536 671 443 303 621 790 153 125 ...
## $ X1991 : Factor w/ 1035 levels "0","1,039","1,046,745",..: 19 465 537 675 450 309 634 807 158 130 ...
## $ X1992 : Factor w/ 1033 levels "0","1,032","1,060,949",..: 17 452 532 669 454 313 632 812 158 131 ...
## $ X1993 : Factor w/ 1048 levels "0","1,070","1,072,677",..: 20 457 543 679 469 327 644 825 165 143 ...
## $ X1994 : Factor w/ 1049 levels "0","1,081,892",..: 20 455 543 681 476 333 648 834 168 150 ...
## $ X1995 : Factor w/ 1051 levels "0","1,009","1,088,918",..: 22 445 542 682 481 331 648 843 162 149 ...
## $ X1996 : Factor w/ 1062 levels "0","1,061","1,094,276",..: 23 447 553 692 491 345 663 853 171 170 ...
## $ X1997 : Factor w/ 1080 levels "0","1,098,589",..: 24 443 555 689 496 357 668 867 175 184 ...
## $ X1998 : Factor w/ 1081 levels "0","1,102,552",..: 27 439 555 686 499 361 668 878 184 195 ...
## $ X1999 : Factor w/ 1086 levels "0","1,034","1,106,762",..: 377 437 560 686 505 372 673 881 174 201 ...
## $ X2000 : Factor w/ 1100 levels "0","1,070","1,093",..: 385 440 421 693 515 379 685 918 175 221 ...
## $ X2001 : Factor w/ 1095 levels "0","1,084","1,106",..: 380 437 413 683 513 418 729 920 165 220 ...
## $ X2002 : Factor w/ 1110 levels "0","1,075","1,123,862",..: 385 436 417 612 522 426 740 942 164 226 ...
## $ X2003 : Factor w/ 1098 levels "0","1,065","1,130,964",..: 384 431 415 604 523 427 735 942 165 229 ...
## $ X2004 : Factor w/ 1106 levels "0","1,055","1,138,545",..: 383 428 408 605 525 427 740 950 156 234 ...
## $ X2005 : Factor w/ 1099 levels "0","1,048","1,146,498",..: 384 425 407 604 529 430 741 959 151 240 ...
## $ X2006 : Factor w/ 1106 levels "0","1,042","1,154,642",..: 386 425 402 603 531 434 745 963 147 246 ...
## $ X2007 : Factor w/ 1109 levels "0","1,004","1,035",..: 396 431 408 606 540 442 758 978 150 256 ...
## $ X2008 : Factor w/ 1102 levels "1,017","1,029",..: 390 369 398 592 531 435 751 985 131 251 ...
## $ X2009 : Factor w/ 1106 levels "1,022","1,029",..: 395 369 400 593 538 440 757 994 122 258 ...
## $ X2010 : Factor w/ 1105 levels "1,004","1,015",..: 390 364 393 589 538 442 760 1005 105 266 ...
## $ X2011 : Factor w/ 1111 levels "1,007","1,029",..: 390 360 389 585 541 447 763 1018 106 273 ...
## $ X2012 : Factor w/ 1108 levels "1,000","1,041",..: 381 355 376 574 537 443 760 1018 100 269 ...
## $ X2013 : Factor w/ 1107 levels "1,078","1,089",..: 381 344 371 569 540 445 762 1028 93 269 ...
## $ X2014 : Factor w/ 1101 levels "1,090","1,105",..: 384 341 369 566 538 444 759 1027 90 272 ...
## $ X2015 : Factor w/ 1105 levels "1,001,755","1,102",..: 380 339 360 568 541 443 761 1035 85 279 ...
## $ X2016 : Factor w/ 1111 levels "1,013,389","1,094",..: 379 331 355 567 543 445 765 1055 80 282 ...
## $ X2017 : Factor w/ 1100 levels "1,024,882","1,066",..: 378 327 349 561 542 443 762 1057 79 289 ...
## $ X2018 : Factor w/ 1105 levels "1,036,134","1,038",..: 381 326 29 566 599 449 770 1075 81 295 ...
## $ X2019 : Factor w/ 1107 levels "1,021","1,047,005",..: 379 315 27 562 600 450 773 1080 69 295 ...
## $ X2020 : Factor w/ 1100 levels "1,006","1,057,445",..: 376 310 27 560 597 448 770 1079 63 296 ...
## $ X1985.1: Factor w/ 973 levels "0","1,008","1,011",..: 80 827 875 282 897 834 239 125 329 482 ...
## $ X1986.1: Factor w/ 981 levels "0","1,013","1,017",..: 78 826 878 285 911 844 230 127 336 481 ...
## $ X1987.1: Factor w/ 967 levels "0","1,000","1,001",..: 86 787 903 274 923 836 216 122 326 461 ...
## $ X1988.1: Factor w/ 977 levels "0","1,003","1,004",..: 89 787 916 285 939 883 222 125 333 459 ...
## $ X1989.1: Factor w/ 969 levels "0","1,008,752",..: 90 785 908 288 938 883 230 129 336 461 ...
## $ X1990.1: Factor w/ 991 levels "0","1,014","1,018",..: 98 795 930 287 962 910 230 139 335 467 ...
## $ X1991.1: Factor w/ 987 levels "0","1,001","1,002",..: 106 790 930 290 965 912 227 146 338 471 ...
## $ X1992.1: Factor w/ 984 levels "0","1,015","1,020",..: 106 791 932 287 155 919 223 276 339 479 ...
## $ X1993.1: Factor w/ 992 levels "0","1,008","1,010",..: 112 790 934 281 157 947 220 287 331 482 ...
## $ X1994.1: Factor w/ 1001 levels "0","1,020","1,026",..: 119 792 946 286 165 957 227 306 335 506 ...
## $ X1995.1: Factor w/ 1011 levels "0","1,000","1,002",..: 129 795 962 291 174 976 234 335 336 524 ...
## $ X1996.1: Factor w/ 1018 levels "0","1,010","1,014",..: 139 807 973 300 188 990 243 369 340 547 ...
## $ X1997.1: Factor w/ 1037 levels "0","1,004","1,005",..: 149 823 992 305 202 1012 260 394 346 573 ...
## $ X1998.1: Factor w/ 1028 levels "0","1,017","1,020",..: 147 816 1005 294 202 158 258 475 334 623 ...
## $ X1999.1: Factor w/ 1048 levels "0","1,007","1,015",..: 156 832 1022 293 207 161 264 503 330 651 ...
## $ X2000.1: Factor w/ 1051 levels "0","1,000","1,013",..: 305 841 1007 160 218 173 276 532 336 675 ...
## $ X2001.1: Factor w/ 1059 levels "0","1,003","1,005",..: 313 837 1016 156 231 174 288 550 339 683 ...
## $ X2002.1: Factor w/ 1051 levels "0","1,000","1,003",..: 320 836 1004 150 239 176 289 551 335 686 ...
## $ X2003.1: Factor w/ 1056 levels "0","1,001","1,005",..: 324 839 1008 149 235 170 284 565 329 695 ...
## $ X2004.1: Factor w/ 1059 levels "0","1,002","1,009",..: 333 846 1009 148 241 175 294 623 328 747 ...
## $ X2005.1: Factor w/ 1054 levels "0","1,001","1,015",..: 329 842 998 144 243 179 296 631 315 749 ...
## $ X2006.1: Factor w/ 1054 levels "0","1,000","1,018",..: 329 839 993 138 245 181 302 646 310 756 ...
## $ X2007.1: Factor w/ 1071 levels "0","1,000","1,011",..: 341 850 1007 141 253 188 310 671 317 779 ...
## $ X2008.1: Factor w/ 1057 levels "0","1,001","1,013",..: 345 844 996 138 260 194 431 666 314 769 ...
## $ X2009.1: Factor w/ 1058 levels "0","1,009","1,011",..: 351 847 993 137 267 200 433 672 156 781 ...
## $ X2010.1: Factor w/ 1058 levels "0","1,006","1,017",..: 358 855 996 133 271 201 440 686 149 834 ...
## $ X2011.1: Factor w/ 1054 levels "0","1,002","1,004",..: 354 851 990 123 268 193 438 682 142 835 ...
## $ X2012.1: Factor w/ 1059 levels "0","1,000","1,017",..: 360 854 956 127 273 198 439 718 138 845 ...
## $ X2013.1: Factor w/ 1060 levels "0","1,003","1,013",..: 363 863 958 119 275 196 442 734 130 859 ...
## $ X2014.1: Factor w/ 1071 levels "0","1,006","1,014",..: 378 875 960 121 286 209 457 752 129 874 ...
## $ X2015.1: Factor w/ 1061 levels "0","1,018","1,025",..: 365 858 943 114 275 196 449 744 116 861 ...
## $ X2016.1: Factor w/ 1064 levels "0","1,001","1,010",..: 370 859 943 116 283 202 453 752 115 869 ...
## $ X2017.1: Factor w/ 1058 levels "0","1,016","1,018",..: 379 860 940 112 289 209 454 759 108 904 ...
## $ X2018.1: Factor w/ 1065 levels "0","1,010","1,018",..: 385 873 951 113 293 210 466 772 106 920 ...
## $ X2019.1: Factor w/ 1068 levels "0","1,003","1,005,981",..: 392 877 913 113 293 211 473 775 104 925 ...
## $ X2020.1: Factor w/ 1073 levels "0","1,010","1,013",..: 389 874 903 114 292 206 471 774 100 931 ...
## $ X1985.2: Factor w/ 1005 levels "0","1,019","1,024",..: 724 292 327 366 156 50 405 546 59 950 ...
## $ X1986.2: Factor w/ 1014 levels "0","1,029","1,055",..: 815 303 337 376 173 54 418 556 64 961 ...
## $ X1987.2: Factor w/ 1018 levels "0","1,002","1,053",..: 810 299 337 372 183 51 419 559 70 963 ...
## $ X1988.2: Factor w/ 1011 levels "0","1,054","1,099",..: 883 303 341 380 191 53 416 560 77 960 ...
## $ X1989.2: Factor w/ 1013 levels "0","1,011","1,082",..: 887 302 339 374 196 51 423 567 78 963 ...
## $ X1990.2: Factor w/ 1013 levels "0","1,048","1,165",..: 894 297 341 373 196 51 420 569 80 967 ...
## $ X1991.2: Factor w/ 1028 levels "0","1,076","1,086",..: 960 291 342 376 197 1024 425 580 86 984 ...
## $ X1992.2: Factor w/ 1019 levels "0","1,003","1,032",..: 950 282 333 362 185 1012 420 570 81 972 ...
## $ X1993.2: Factor w/ 1042 levels "0","1,010","1,070",..: 971 283 346 378 199 1032 436 582 89 997 ...
## $ X1994.2: Factor w/ 1028 levels "0","1,009","1,020",..: 903 277 354 382 202 1017 442 584 97 989 ...
## $ X1995.2: Factor w/ 1053 levels "0","1,009","1,019",..: 926 270 355 377 208 1038 452 571 96 1014 ...
## $ X1996.2: Factor w/ 1046 levels "0","1,030","1,046",..: 926 263 352 371 211 1032 461 561 95 1013 ...
## $ X1997.2: Factor w/ 1057 levels "0","1,042","1,061",..: 858 258 344 356 212 1039 458 554 82 1030 ...
## $ X1998.2: Factor w/ 1066 levels "0","1,054","1,078",..: 856 259 343 351 211 1050 448 551 88 1036 ...
## $ X1999.2: Factor w/ 1069 levels "0","1,034","1,054",..: 794 252 346 354 210 1048 452 550 84 1040 ...
## $ X2000.2: Factor w/ 1074 levels "0","1,062","1,070",..: 789 246 332 338 204 1048 442 539 88 1041 ...
## $ X2001.2: Factor w/ 1087 levels "0","1,042","1,051",..: 716 247 334 341 205 1062 450 548 94 1063 ...
## $ X2002.2: Factor w/ 1082 levels "0","1,000","1,021",..: 705 243 59 334 204 1054 444 533 88 1057 ...
## $ X2003.2: Factor w/ 1083 levels "0","1,005","1,006",..: 710 233 56 64 194 1052 443 528 90 1059 ...
## $ X2004.2: Factor w/ 1087 levels "0","1,028","1,045",..: 699 221 54 61 190 1058 441 528 87 1066 ...
## $ X2005.2: Factor w/ 1082 levels "0","1,002","1,010",..: 591 215 54 63 189 1060 436 524 85 1067 ...
## $ X2006.2: Factor w/ 1092 levels "0","1,006","1,013",..: 596 214 51 63 184 1072 442 531 81 1078 ...
## $ X2007.2: Factor w/ 1088 levels "0","1,002","1,004",..: 589 204 45 60 177 1064 433 528 73 1070 ...
## [list output truncated]head(data_municipios_raw)## DP DPNOM DPMP MPIO X1985 X1986 X1987 X1988
## 1 5 Antioquia 5001 Medellín 1,535,955 1,565,394 1,595,095 1,625,321
## 2 5 Antioquia 5002 Abejorral 26,049 25,813 25,575 25,331
## 3 5 Antioquia 5004 Abriaquí 3,067 3,098 3,127 3,156
## 4 5 Antioquia 5021 Alejandría 4,909 4,903 4,895 4,886
## 5 5 Antioquia 5030 Amagá 21,984 22,313 22,644 22,974
## 6 5 Antioquia 5031 Amalfi 17,515 17,719 17,926 18,134
## X1989 X1990 X1991 X1992 X1993 X1994 X1995
## 1 1,656,333 1,688,394 1,721,767 1,756,711 1,793,491 1,832,197 1,872,241
## 2 25,071 24,789 24,479 24,129 23,735 23,297 22,875
## 3 3,179 3,201 3,214 3,222 3,220 3,209 3,187
## 4 4,872 4,851 4,823 4,784 4,732 4,666 4,589
## 5 23,296 23,606 23,901 24,173 24,419 24,633 24,823
## 6 18,339 18,535 18,727 18,907 19,070 19,216 19,344
## X1996 X1997 X1998 X1999 X2000 X2001 X2002
## 1 1,912,860 1,953,293 1,992,781 2,030,560 2,065,871 2,098,618 2,129,874
## 2 22,479 22,109 21,768 21,462 21,195 20,966 20,759
## 3 3,158 3,121 3,076 3,027 2,971 2,912 2,856
## 4 4,503 4,412 4,319 4,226 4,137 4,053 3,978
## 5 25,002 25,175 25,356 25,553 25,775 26,027 26,294
## 6 19,463 19,574 19,681 19,788 19,899 20,019 20,139
## X2003 X2004 X2005 X2006 X2007 X2008 X2009
## 1 2,159,609 2,187,831 2,214,494 2,239,003 2,265,244 2,291,378 2,317,336
## 2 20,570 20,401 20,249 20,113 20,022 19,930 19,853
## 3 2,799 2,744 2,690 2,636 2,570 2,504 2,458
## 4 3,912 3,858 3,816 3,789 3,747 3,724 3,688
## 5 26,571 26,858 27,155 27,455 27,709 27,950 28,192
## 6 20,262 20,391 20,525 20,665 20,826 20,985 21,138
## X2010 X2011 X2012 X2013 X2014 X2015 X2016
## 1 2,343,049 2,368,282 2,393,011 2,417,325 2,441,123 2,464,322 2,486,723
## 2 19,750 19,672 19,570 19,478 19,382 19,290 19,195
## 3 2,397 2,336 2,290 2,231 2,175 2,128 2,075
## 4 3,652 3,618 3,575 3,550 3,502 3,466 3,435
## 5 28,433 28,664 28,897 29,117 29,339 29,555 29,770
## 6 21,295 21,449 21,615 21,768 21,932 22,088 22,253
## X2017 X2018 X2019 X2020 X1985.1 X1986.1 X1987.1
## 1 2,508,452 2,529,403 2,549,537 2,569,007 1,479,540 1,503,563 1,528,065
## 2 19,096 18,991 18,882 18,779 7,161 7,075 6,992
## 3 2,019 1,971 1,918 1,870 783 793 803
## 4 3,393 3,361 3,307 3,278 2,000 2,015 2,030
## 5 29,980 30,181 30,376 30,561 8,780 8,955 9,135
## 6 22,414 22,567 22,714 22,860 7,416 7,636 7,859
## X1988.1 X1989.1 X1990.1 X1991.1 X1992.1 X1993.1 X1994.1
## 1 1,553,523 1,580,416 1,609,222 1,640,420 1,674,486 1,711,901 1,752,866
## 2 6,915 6,841 6,771 6,706 6,643 6,583 6,525
## 3 814 824 836 846 857 867 877
## 4 2,045 2,059 2,070 2,080 2,087 2,089 2,086
## 5 9,323 9,518 9,721 9,935 10,159 10,394 10,639
## 6 8,083 8,307 8,526 8,744 8,957 9,160 9,354
## X1995.1 X1996.1 X1997.1 X1998.1 X1999.1 X2000.1 X2001.1
## 1 1,796,485 1,841,583 1,886,988 1,931,527 1,974,026 2,013,312 2,049,139
## 2 6,474 6,430 6,392 6,357 6,327 6,300 6,279
## 3 885 893 897 900 900 896 889
## 4 2,079 2,068 2,054 2,037 2,017 1,995 1,972
## 5 10,896 11,168 11,451 11,748 12,057 12,380 12,716
## 6 9,537 9,712 9,877 10,032 10,176 10,310 10,437
## X2002.1 X2003.1 X2004.1 X2005.1 X2006.1 X2007.1 X2008.1
## 1 2,083,308 2,115,793 2,146,598 2,175,681 2,201,335 2,228,669 2,255,845
## 2 6,265 6,259 6,260 6,271 6,291 6,317 6,351
## 3 883 875 866 858 849 840 831
## 4 1,950 1,930 1,912 1,896 1,884 1,874 1,864
## 5 13,053 13,391 13,730 14,070 14,411 14,719 15,011
## 6 10,561 10,684 10,809 10,936 11,068 11,209 11,347
## X2009.1 X2010.1 X2011.1 X2012.1 X2013.1 X2014.1 X2015.1
## 1 2,282,794 2,309,446 2,335,568 2,361,134 2,386,233 2,410,765 2,434,647
## 2 6,391 6,439 6,493 6,540 6,587 6,636 6,681
## 3 821 811 800 788 776 764 751
## 4 1,854 1,845 1,837 1,830 1,824 1,818 1,812
## 5 15,294 15,568 15,827 16,076 16,312 16,540 16,757
## 6 11,479 11,611 11,739 11,869 11,991 12,116 12,236
## X2016.1 X2017.1 X2018.1 X2019.1 X2020.1 X1985.2 X1986.2
## 1 2,457,680 2,479,990 2,501,470 2,522,081 2,541,978 56,415 61,831
## 2 6,724 6,765 6,802 6,835 6,865 18,888 18,738
## 3 738 724 710 695 680 2,284 2,305
## 4 1,808 1,804 1,801 1,799 1,797 2,909 2,888
## 5 16,973 17,174 17,370 17,551 17,730 13,204 13,358
## 6 12,359 12,477 12,589 12,696 12,798 10,099 10,083
## X1987.2 X1988.2 X1989.2 X1990.2 X1991.2 X1992.2 X1993.2 X1994.2 X1995.2
## 1 67,030 71,798 75,917 79,172 81,347 82,225 81,590 79,331 75,756
## 2 18,583 18,416 18,230 18,018 17,773 17,486 17,152 16,772 16,401
## 3 2,324 2,342 2,355 2,365 2,368 2,365 2,353 2,332 2,302
## 4 2,865 2,841 2,813 2,781 2,743 2,697 2,643 2,580 2,510
## 5 13,509 13,651 13,778 13,885 13,966 14,014 14,025 13,994 13,927
## 6 10,067 10,051 10,032 10,009 9,983 9,950 9,910 9,862 9,807
## X1996.2 X1997.2 X1998.2 X1999.2 X2000.2 X2001.2 X2002.2 X2003.2 X2004.2
## 1 71,277 66,305 61,254 56,534 52,559 49,479 46,566 43,816 41,233
## 2 16,049 15,717 15,411 15,135 14,895 14,687 14,494 14,311 14,141
## 3 2,265 2,224 2,176 2,127 2,075 2,023 1,973 1,924 1,878
## 4 2,435 2,358 2,282 2,209 2,142 2,081 2,028 1,982 1,946
## 5 13,834 13,724 13,608 13,496 13,395 13,311 13,241 13,180 13,128
## 6 9,751 9,697 9,649 9,612 9,589 9,582 9,578 9,578 9,582
## X2005.2 X2006.2 X2007.2 X2008.2 X2009.2 X2010.2 X2011.2 X2012.2 X2013.2
## 1 38,813 37,668 36,575 35,533 34,542 33,603 32,714 31,877 31,092
## 2 13,978 13,822 13,705 13,579 13,462 13,311 13,179 13,030 12,891
## 3 1,832 1,787 1,730 1,673 1,637 1,586 1,536 1,502 1,455
## 4 1,920 1,905 1,873 1,860 1,834 1,807 1,781 1,745 1,726
## 5 13,085 13,044 12,990 12,939 12,898 12,865 12,837 12,821 12,805
## 6 9,589 9,597 9,617 9,638 9,659 9,684 9,710 9,746 9,777
## X2014.2 X2015.2 X2016.2 X2017.2 X2018.2 X2019.2 X2020.2
## 1 30,358 29,675 29,043 28,462 27,933 27,456 27,029
## 2 12,746 12,609 12,471 12,331 12,189 12,047 11,914
## 3 1,411 1,377 1,337 1,295 1,261 1,223 1,190
## 4 1,684 1,654 1,627 1,589 1,560 1,508 1,481
## 5 12,799 12,798 12,797 12,806 12,811 12,825 12,831
## 6 9,816 9,852 9,894 9,937 9,978 10,018 10,0621.3 Estadisticas Educación por ETC
data_educacion_raw <- read.csv("educacion.csv")
str(data_educacion_raw)## 'data.frame': 661 obs. of 37 variables:
## $ AÑO : int 2012 2013 2011 2014 2017 2015 2016 2014 2011 2013 ...
## $ CÓDIGO_ETC : int 3828 3828 3828 3828 3828 3828 3828 3758 3758 3758 ...
## $ ETC : Factor w/ 95 levels "Amazonas (ETC)",..: 1 1 1 1 1 1 1 2 2 2 ...
## $ POBLACIÓN_5_16 : int 22194 22123 22223 22167 22269 22212 22243 586947 599438 590211 ...
## $ TASA_MATRICULACIÓN_5_16 : num 8.19e+14 8.18e+01 8.23e+01 8.21e+01 8.36e+01 ...
## $ COBERTURA_NETA : num 81.9 81.8 82.3 82.1 82.1 ...
## $ COBERTURA_NETA_TRANSICIÓN : num 60.2 48.4 63.7 43.9 49 ...
## $ COBERTURA_NETA_PRIMARIA : num 85.6 84 87.2 84.9 80.6 ...
## $ COBERTURA_NETA_SECUNDARIA : num 53.3 58.2 50.6 57.7 60.7 ...
## $ COBERTURA_NETA_MEDIA : num 22.3 22.1 21.9 23.1 30.1 ...
## $ COBERTURA_BRUTA : num 94.8 95.4 94.5 95.7 96.6 ...
## $ COBERTURA_BRUTA_TRANSICIÓN : num 60.2 96.9 94.5 89.5 92.6 ...
## $ COBERTURA_BRUTA_PRIMARIA : num 85.6 111.8 117.8 114 108 ...
## $ COBERTURA_BRUTA_SECUNDARIA : num 53.3 91.2 82.5 89.1 94.3 ...
## $ COBERTURA_BRUTA_MEDIA : num 22.3 59.6 58 63.3 72.2 ...
## $ TAMAÑO_PROMEDIO_DE_GRUPO : num 19.3 27.6 14.9 20.3 21 ...
## $ SEDES_CONECTADAS_A_INTERNET: num 20.9 12.8 36.4 16.5 16.5 ...
## $ DESERCIÓN : num 4.7 3.29 5.46 3.04 4.88 4.76 5.06 2.68 4.16 3.84 ...
## $ DESERCIÓN_TRANSICIÓN : num 5.16 3.16 5.56 2.97 6.38 4.54 5.23 2.4 3.89 3.36 ...
## $ DESERCIÓN_PRIMARIA : num 2.3 1.82 3.67 1.95 3.06 2.53 2.75 2.26 3.93 3.27 ...
## $ DESERCIÓN_SECUNDARIA : num 7.97 5.26 8.21 4.67 6.98 8 8.49 3.55 4.71 5.03 ...
## $ DESERCIÓN_MEDIA : num 8.06 5.57 7.9 4.35 6.23 6.69 5.96 2.23 3.87 3.28 ...
## $ APROBACIÓN : num 93.7 95.8 91.2 96.9 87.5 ...
## $ APROBACIÓN_TRANSICIÓN : num 94.8 96.8 94.3 97 92.7 ...
## $ APROBACIÓN_PRIMARIA : num 95.8 97 92.8 98 90 ...
## $ APROBACIÓN_SECUNDARIA : num 90.7 94.2 88.6 95.3 82 ...
## $ APROBACIÓN_MEDIA : num 90 92.3 85.2 95.7 86.6 ...
## $ REPROBACIÓN : num 1.56 0.93 3.38 0.03 7.67 6.01 5.83 1.02 3.67 5.01 ...
## $ REPROBACIÓN_TRANSICIÓN : num 0 0 0.17 0 0.91 0.27 0.32 0.06 0.13 0.17 ...
## $ REPROBACIÓN_PRIMARIA : num 1.92 1.13 3.5 0.03 6.91 6.92 5.97 0.84 3.2 4.74 ...
## $ REPROBACIÓN_SECUNDARIA : num 1.35 0.56 3.16 0.05 11.01 ...
## $ REPROBACIÓN_MEDIA : num 1.98 2.12 6.95 0 7.19 4.79 5.79 1.44 5.69 6.06 ...
## $ REPITENCIA : num 3.9 4.32 1.65 6.3 5.96 5.15 6.61 1.87 2.02 1.7 ...
## $ REPITENCIA_TRANSICIÓN : num 0.67 2.46 0.65 2.77 3.3 1.36 1.66 0.19 0.15 0.19 ...
## $ REPITENCIA_PRIMARIA : num 3.32 4.41 2.02 6.83 7.06 5.14 7.5 1.77 1.94 1.59 ...
## $ REPITENCIA_SECUNDARIA : num 6.17 5.16 1.39 7.25 6.05 6.39 7.17 2.69 2.89 2.44 ...
## $ REPITENCIA_MEDIA : num 3.39 2.58 1.34 3.17 2.42 4.15 4.14 1.09 1.24 1.19 ...head(data_educacion_raw)## AÑO CÓDIGO_ETC ETC POBLACIÓN_5_16 TASA_MATRICULACIÓN_5_16
## 1 2012 3828 Amazonas (ETC) 22194 8.187348e+14
## 2 2013 3828 Amazonas (ETC) 22123 8.184000e+01
## 3 2011 3828 Amazonas (ETC) 22223 8.234000e+01
## 4 2014 3828 Amazonas (ETC) 22167 8.213000e+01
## 5 2017 3828 Amazonas (ETC) 22269 8.360000e+01
## 6 2015 3828 Amazonas (ETC) 22212 8.149000e+01
## COBERTURA_NETA COBERTURA_NETA_TRANSICIÓN COBERTURA_NETA_PRIMARIA
## 1 81.87 60.22 85.62
## 2 81.83 48.38 83.96
## 3 82.32 63.68 87.23
## 4 82.11 43.91 84.93
## 5 82.10 48.95 80.56
## 6 81.46 40.65 82.75
## COBERTURA_NETA_SECUNDARIA COBERTURA_NETA_MEDIA COBERTURA_BRUTA
## 1 53.33 22.31 94.76
## 2 58.22 22.09 95.41
## 3 50.65 21.91 94.53
## 4 57.69 23.09 95.65
## 5 60.67 30.05 96.56
## 6 59.41 26.52 95.76
## COBERTURA_BRUTA_TRANSICIÓN COBERTURA_BRUTA_PRIMARIA
## 1 60.22 85.62
## 2 96.86 111.83
## 3 94.49 117.82
## 4 89.50 114.05
## 5 92.62 108.00
## 6 79.35 111.01
## COBERTURA_BRUTA_SECUNDARIA COBERTURA_BRUTA_MEDIA
## 1 53.33 22.31
## 2 91.23 59.61
## 3 82.46 58.01
## 4 89.12 63.26
## 5 94.30 72.21
## 6 94.27 67.01
## TAMAÑO_PROMEDIO_DE_GRUPO SEDES_CONECTADAS_A_INTERNET DESERCIÓN
## 1 19.340 20.91 4.70
## 2 27.600 12.84 3.29
## 3 14.950 36.36 5.46
## 4 20.290 16.51 3.04
## 5 20.971 16.50 4.88
## 6 20.130 16.36 4.76
## DESERCIÓN_TRANSICIÓN DESERCIÓN_PRIMARIA DESERCIÓN_SECUNDARIA
## 1 5.16 2.30 7.97
## 2 3.16 1.82 5.26
## 3 5.56 3.67 8.21
## 4 2.97 1.95 4.67
## 5 6.38 3.06 6.98
## 6 4.54 2.53 8.00
## DESERCIÓN_MEDIA APROBACIÓN APROBACIÓN_TRANSICIÓN APROBACIÓN_PRIMARIA
## 1 8.06 93.74 94.84 95.78
## 2 5.57 95.78 96.84 97.05
## 3 7.90 91.16 94.27 92.83
## 4 4.35 96.93 97.03 98.02
## 5 6.23 87.45 92.71 90.04
## 6 6.69 89.23 95.19 90.55
## APROBACIÓN_SECUNDARIA APROBACIÓN_MEDIA REPROBACIÓN
## 1 90.68 89.96 1.56
## 2 94.17 92.31 0.93
## 3 88.63 85.15 3.38
## 4 95.28 95.65 0.03
## 5 82.00 86.58 7.67
## 6 85.73 88.52 6.01
## REPROBACIÓN_TRANSICIÓN REPROBACIÓN_PRIMARIA REPROBACIÓN_SECUNDARIA
## 1 0.00 1.92 1.35
## 2 0.00 1.13 0.56
## 3 0.17 3.50 3.16
## 4 0.00 0.03 0.05
## 5 0.91 6.91 11.01
## 6 0.27 6.92 6.27
## REPROBACIÓN_MEDIA REPITENCIA REPITENCIA_TRANSICIÓN REPITENCIA_PRIMARIA
## 1 1.98 3.90 0.67 3.32
## 2 2.12 4.32 2.46 4.41
## 3 6.95 1.65 0.65 2.02
## 4 0.00 6.30 2.77 6.83
## 5 7.19 5.96 3.30 7.06
## 6 4.79 5.15 1.36 5.14
## REPITENCIA_SECUNDARIA REPITENCIA_MEDIA
## 1 6.17 3.39
## 2 5.16 2.58
## 3 1.39 1.34
## 4 7.25 3.17
## 5 6.05 2.42
## 6 6.39 4.151.4 Incautacón Armas de Fuego
data_incauta_raw <- read.csv("Incautafuego_2017.csv")
str(data_incauta_raw)## 'data.frame': 20508 obs. of 10 variables:
## $ FECHA : Factor w/ 365 levels "01/01/2017","01/02/2017",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ DEPARTAMENTO : Factor w/ 32 levels "AMAZONAS","ANTIOQUIA",..: 1 2 2 2 2 5 5 5 5 5 ...
## $ MUNICIPIO : Factor w/ 978 levels "ABEJORRAL","ABREGO",..: 447 38 310 766 827 511 511 511 511 511 ...
## $ DÍA : Factor w/ 7 levels "Domingo","Jueves",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ CLASE.DE.ARMA : Factor w/ 11 levels "AMETRALLADORA",..: 10 10 10 9 3 2 5 7 9 10 ...
## $ PERMISO : Factor w/ 2 levels "CON PERMISO",..: 1 2 2 2 1 2 2 2 2 2 ...
## $ ZONA : Factor w/ 2 levels "RURAL","URBANA": 1 2 1 1 1 1 1 1 1 1 ...
## $ CLASE.DE.SITIO: Factor w/ 128 levels "AEROPUERTO","ALCALDIA",..: 127 127 127 50 50 128 128 128 128 128 ...
## $ CÓDIGO.DANE : int 91001000 5040000 5282000 5674000 5761000 13458000 13458000 13458000 13458000 13458000 ...
## $ CANTIDAD : int 1 1 1 1 1 1 13 1 3 2 ...head(data_incauta_raw)## FECHA DEPARTAMENTO MUNICIPIO DÍA CLASE.DE.ARMA PERMISO
## 1 01/01/2017 AMAZONAS LETICIA (CT) Domingo REVOLVER CON PERMISO
## 2 01/01/2017 ANTIOQUIA ANORÍ Domingo REVOLVER SIN PERMISO
## 3 01/01/2017 ANTIOQUIA FREDONIA Domingo REVOLVER SIN PERMISO
## 4 01/01/2017 ANTIOQUIA SAN VICENTE Domingo PISTOLA SIN PERMISO
## 5 01/01/2017 ANTIOQUIA SOPETRÁN Domingo ESCOPETA CON PERMISO
## 6 01/01/2017 BOLÍVAR MONTECRISTO Domingo CARABINA SIN PERMISO
## ZONA CLASE.DE.SITIO CÓDIGO.DANE CANTIDAD
## 1 RURAL VIAS PUBLICAS 91001000 1
## 2 URBANA VIAS PUBLICAS 5040000 1
## 3 RURAL VIAS PUBLICAS 5282000 1
## 4 RURAL FINCAS Y SIMILARES 5674000 1
## 5 RURAL FINCAS Y SIMILARES 5761000 1
## 6 RURAL ZONA SELVÁTICA 13458000 12 Limpieza
Limpiaremos los dataset.
2.1 Hurto 2017
Se eliminan las columnas:
Fecha: No se pretende realizar analisis de hurtos reportados en el tiempoHora: No se pretende realizar analisis de hurtos reportados en el tiempoBarrio: Demasiados factores para analizar, no sería posible responder una de las preguntas observando esta variablePaís.de.nacimiento: No sería posible responder una de las preguntas observando esta variable, casi el 100% de los casos reportados son de ColombianosProfesión: Demasiados factores para analizar, no sería posible responder una de las preguntas observando esta variableCódigo.DANE: No tiene significadoCantidad: No tiene significado
removable_columns <- c("Fecha", "Hora", "Barrio", "País.de.nacimiento", "Profesión", "Código.DANE", "Cantidad")
data_hurto_tidy <- data_hurto_raw[, -which(colnames(data_hurto_raw) %in% removable_columns)]
str(data_hurto_tidy)## 'data.frame': 185105 obs. of 13 variables:
## $ Departamento : Factor w/ 32 levels "AMAZONAS","ANTIOQUIA",..: 2 2 2 2 2 2 2 2 2 2 ...
## $ Municipio : Factor w/ 901 levels "ABEJORRAL","ABREGO",..: 443 443 443 443 443 443 443 443 443 443 ...
## $ Día : Factor w/ 7 levels "Domingo","Jueves",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ Zona : Factor w/ 3 levels "OTRAS","RURAL",..: 3 3 3 3 3 3 3 3 3 3 ...
## $ Clase.de.sitio : Factor w/ 384 levels "-","AEROPUERTO",..: 382 382 382 382 382 382 382 382 382 84 ...
## $ Arma.empleada : Factor w/ 16 levels "-","ALUCINOGENOS",..: 3 3 3 14 4 14 14 14 4 14 ...
## $ Móvil.Agresor : Factor w/ 15 levels "-","A PIE","BICICLETA",..: 2 2 2 6 12 2 2 2 14 2 ...
## $ Móvil.Victima : Factor w/ 15 levels "-","A PIE","BICICLETA",..: 2 2 2 13 13 2 2 2 5 2 ...
## $ Edad : int 39 43 26 29 37 87 30 59 35 28 ...
## $ Sexo : Factor w/ 3 levels "-","FEMENINO",..: 3 3 2 2 3 3 3 3 3 3 ...
## $ Estado.civil : Factor w/ 7 levels "-","CASADO","DIVORCIADO",..: 6 6 5 6 2 2 5 5 6 6 ...
## $ Clase.de.empleado: Factor w/ 36 levels "-","AFRODESCENDIENTE",..: 17 17 17 17 26 30 26 26 26 17 ...
## $ Escolaridad : Factor w/ 8 levels "-","ANALFABETA",..: 5 4 5 5 5 5 5 5 5 5 ...Normalizamos los nombres de las columnas, removiendo tildes y dejando todos los caracteres en minuscula.
colnames(data_hurto_tidy) <- c("departamento", "municipio", "dia", "zona", "clase_de_sitio", "arma_empleada", "movil_agresor", "movil_victima", "edad", "sexo", "estado_civil", "clase_de_empleado", "escolaridad")
str(data_hurto_tidy)## 'data.frame': 185105 obs. of 13 variables:
## $ departamento : Factor w/ 32 levels "AMAZONAS","ANTIOQUIA",..: 2 2 2 2 2 2 2 2 2 2 ...
## $ municipio : Factor w/ 901 levels "ABEJORRAL","ABREGO",..: 443 443 443 443 443 443 443 443 443 443 ...
## $ dia : Factor w/ 7 levels "Domingo","Jueves",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ zona : Factor w/ 3 levels "OTRAS","RURAL",..: 3 3 3 3 3 3 3 3 3 3 ...
## $ clase_de_sitio : Factor w/ 384 levels "-","AEROPUERTO",..: 382 382 382 382 382 382 382 382 382 84 ...
## $ arma_empleada : Factor w/ 16 levels "-","ALUCINOGENOS",..: 3 3 3 14 4 14 14 14 4 14 ...
## $ movil_agresor : Factor w/ 15 levels "-","A PIE","BICICLETA",..: 2 2 2 6 12 2 2 2 14 2 ...
## $ movil_victima : Factor w/ 15 levels "-","A PIE","BICICLETA",..: 2 2 2 13 13 2 2 2 5 2 ...
## $ edad : int 39 43 26 29 37 87 30 59 35 28 ...
## $ sexo : Factor w/ 3 levels "-","FEMENINO",..: 3 3 2 2 3 3 3 3 3 3 ...
## $ estado_civil : Factor w/ 7 levels "-","CASADO","DIVORCIADO",..: 6 6 5 6 2 2 5 5 6 6 ...
## $ clase_de_empleado: Factor w/ 36 levels "-","AFRODESCENDIENTE",..: 17 17 17 17 26 30 26 26 26 17 ...
## $ escolaridad : Factor w/ 8 levels "-","ANALFABETA",..: 5 4 5 5 5 5 5 5 5 5 ...Se elimina (CT) de los datos en la columna Municipio, que significa que el municipio es la capital de su departamento, estos caracteres dificultan hacer el join con otros datasets.
remove_capital <- function(city_factor) {
city <- as.character(city_factor)
no_capital <- gsub(" \\(CT\\)", "", city)
return(no_capital)
}
data_hurto_tidy$municipio <- as.factor(sapply(data_hurto_tidy$municipio, remove_capital))
str(data_hurto_tidy)## 'data.frame': 185105 obs. of 13 variables:
## $ departamento : Factor w/ 32 levels "AMAZONAS","ANTIOQUIA",..: 2 2 2 2 2 2 2 2 2 2 ...
## $ municipio : Factor w/ 899 levels "ABEJORRAL","ABREGO",..: 442 442 442 442 442 442 442 442 442 442 ...
## $ dia : Factor w/ 7 levels "Domingo","Jueves",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ zona : Factor w/ 3 levels "OTRAS","RURAL",..: 3 3 3 3 3 3 3 3 3 3 ...
## $ clase_de_sitio : Factor w/ 384 levels "-","AEROPUERTO",..: 382 382 382 382 382 382 382 382 382 84 ...
## $ arma_empleada : Factor w/ 16 levels "-","ALUCINOGENOS",..: 3 3 3 14 4 14 14 14 4 14 ...
## $ movil_agresor : Factor w/ 15 levels "-","A PIE","BICICLETA",..: 2 2 2 6 12 2 2 2 14 2 ...
## $ movil_victima : Factor w/ 15 levels "-","A PIE","BICICLETA",..: 2 2 2 13 13 2 2 2 5 2 ...
## $ edad : int 39 43 26 29 37 87 30 59 35 28 ...
## $ sexo : Factor w/ 3 levels "-","FEMENINO",..: 3 3 2 2 3 3 3 3 3 3 ...
## $ estado_civil : Factor w/ 7 levels "-","CASADO","DIVORCIADO",..: 6 6 5 6 2 2 5 5 6 6 ...
## $ clase_de_empleado: Factor w/ 36 levels "-","AFRODESCENDIENTE",..: 17 17 17 17 26 30 26 26 26 17 ...
## $ escolaridad : Factor w/ 8 levels "-","ANALFABETA",..: 5 4 5 5 5 5 5 5 5 5 ...Se cambian todos los - por NA y se eliminan las observaciones con por lo menos un NA.
which(names(summary(data_hurto_tidy$clase_de_sitio)) == "-")## integer(0)data_hurto <- data_hurto_tidy
data_hurto[data_hurto_tidy == "-"] <- NA
data_hurto <- data_hurto[complete.cases(data_hurto), ]
str(data_hurto)## 'data.frame': 182418 obs. of 13 variables:
## $ departamento : Factor w/ 32 levels "AMAZONAS","ANTIOQUIA",..: 2 2 2 2 2 2 2 2 2 2 ...
## $ municipio : Factor w/ 899 levels "ABEJORRAL","ABREGO",..: 442 442 442 442 442 442 442 442 442 442 ...
## $ dia : Factor w/ 7 levels "Domingo","Jueves",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ zona : Factor w/ 3 levels "OTRAS","RURAL",..: 3 3 3 3 3 3 3 3 3 3 ...
## $ clase_de_sitio : Factor w/ 384 levels "-","AEROPUERTO",..: 382 382 382 382 382 382 382 382 382 84 ...
## $ arma_empleada : Factor w/ 16 levels "-","ALUCINOGENOS",..: 3 3 3 14 4 14 14 14 4 14 ...
## $ movil_agresor : Factor w/ 15 levels "-","A PIE","BICICLETA",..: 2 2 2 6 12 2 2 2 14 2 ...
## $ movil_victima : Factor w/ 15 levels "-","A PIE","BICICLETA",..: 2 2 2 13 13 2 2 2 5 2 ...
## $ edad : int 39 43 26 29 37 87 30 59 35 28 ...
## $ sexo : Factor w/ 3 levels "-","FEMENINO",..: 3 3 2 2 3 3 3 3 3 3 ...
## $ estado_civil : Factor w/ 7 levels "-","CASADO","DIVORCIADO",..: 6 6 5 6 2 2 5 5 6 6 ...
## $ clase_de_empleado: Factor w/ 36 levels "-","AFRODESCENDIENTE",..: 17 17 17 17 26 30 26 26 26 17 ...
## $ escolaridad : Factor w/ 8 levels "-","ANALFABETA",..: 5 4 5 5 5 5 5 5 5 5 ...Se cambia el orden de los factores de escolaridad y dia.
data_hurto$escolaridad <- factor(data_hurto$escolaridad, levels = c("NO REPORTADO", "ANALFABETA", "PRIMARIA", "SECUNDARIA", "TECNOLOGO", "TECNICO", "SUPERIOR"))
data_hurto$dia <- factor(data_hurto$dia, levels = c("Domingo", "Lunes", "Martes", "Miércoles", "Jueves", "Viernes", "Sábado"))
head(data_hurto)## departamento municipio dia zona clase_de_sitio
## 1 ANTIOQUIA MEDELLÍN Domingo URBANA VIAS PUBLICAS
## 2 ANTIOQUIA MEDELLÍN Domingo URBANA VIAS PUBLICAS
## 3 ANTIOQUIA MEDELLÍN Domingo URBANA VIAS PUBLICAS
## 4 ANTIOQUIA MEDELLÍN Domingo URBANA VIAS PUBLICAS
## 5 ANTIOQUIA MEDELLÍN Domingo URBANA VIAS PUBLICAS
## 6 ANTIOQUIA MEDELLÍN Domingo URBANA VIAS PUBLICAS
## arma_empleada movil_agresor movil_victima edad
## 1 ARMA BLANCA / CORTOPUNZANTE A PIE A PIE 39
## 2 ARMA BLANCA / CORTOPUNZANTE A PIE A PIE 43
## 3 ARMA BLANCA / CORTOPUNZANTE A PIE A PIE 26
## 4 SIN EMPLEO DE ARMAS CONDUCTOR TAXI PASAJERO TAXI 29
## 5 ARMA DE FUEGO PASAJERO MOTOCICLETA PASAJERO TAXI 37
## 6 SIN EMPLEO DE ARMAS A PIE A PIE 87
## sexo estado_civil clase_de_empleado escolaridad
## 1 MASCULINO UNION LIBRE EMPLEADO PARTICULAR SECUNDARIA
## 2 MASCULINO UNION LIBRE EMPLEADO PARTICULAR PRIMARIA
## 3 FEMENINO SOLTERO EMPLEADO PARTICULAR SECUNDARIA
## 4 FEMENINO UNION LIBRE EMPLEADO PARTICULAR SECUNDARIA
## 5 MASCULINO CASADO INDEPENDIENTE SECUNDARIA
## 6 MASCULINO CASADO PENSIONADO SECUNDARIA2.2 Poblacion por municipio
Dejamos:
MPIOque es el nombre del municipioX2017que es la poblacion por municipio en 2017
target_columns <- c("MPIO", "X2017")
data_municipios_tidy <- data_municipios_raw[, which(colnames(data_municipios_raw) %in% target_columns)]
str(data_municipios_tidy)## 'data.frame': 1123 obs. of 2 variables:
## $ MPIO : Factor w/ 1041 levels "Abejorral","Abrego",..: 519 1 3 20 30 31 36 37 38 40 ...
## $ X2017: Factor w/ 1100 levels "1,024,882","1,066",..: 378 327 349 561 542 443 762 1057 79 289 ...Normalizamos el nombre de cada columna, dejandolos en minuscula y sin tildes.
colnames(data_municipios_tidy) <- c("municipio", "poblacion_2017")
str(data_municipios_tidy)## 'data.frame': 1123 obs. of 2 variables:
## $ municipio : Factor w/ 1041 levels "Abejorral","Abrego",..: 519 1 3 20 30 31 36 37 38 40 ...
## $ poblacion_2017: Factor w/ 1100 levels "1,024,882","1,066",..: 378 327 349 561 542 443 762 1057 79 289 ...Convertimos la columna poblacion_2017 de factor a numerica.
factor_to_int <- function(a_factor) {
a_char <- as.character(a_factor)
no_commas <- gsub(",", "", a_char)
num <- as.integer(no_commas)
return(num)
}
data_municipios_tidy$poblacion_2017 <- sapply(data_municipios_tidy$poblacion_2017, factor_to_int)
data_municipios_tidy$municipio <- sapply(data_municipios_tidy$municipio, toupper)
str(data_municipios_tidy)## 'data.frame': 1123 obs. of 2 variables:
## $ municipio : chr "MEDELLÍN" "ABEJORRAL" "ABRIAQUÍ" "ALEJANDRÍA" ...
## $ poblacion_2017: int 2508452 19096 2019 3393 29980 22414 46621 9216 11139 17521 ...Eliminamos la fila que tiene el total nacional, no interesa para el analisis.
data_municipios_tidy <- data_municipios_tidy[data_municipios_tidy$municipio != "TOTAL NACIONAL", ]
str(data_municipios_tidy)## 'data.frame': 1122 obs. of 2 variables:
## $ municipio : chr "MEDELLÍN" "ABEJORRAL" "ABRIAQUÍ" "ALEJANDRÍA" ...
## $ poblacion_2017: int 2508452 19096 2019 3393 29980 22414 46621 9216 11139 17521 ...Se elimina la coma de BOGOTA, D.C, pues dificulta hacer el join con otro dataset.
bogota_row <- data_municipios_tidy[data_municipios_tidy$municipio == "BOGOTÁ, D.C.", ]
bogota_row$municipio <- c("BOGOTÁ D.C.")
data_municipios_tidy[data_municipios_tidy$municipio == "BOGOTÁ, D.C.", ] <- bogota_row
data_municipios <- data_municipios_tidy2.3 Educacion
Eliminamos la columna CÓDIGO_ETC, pues no interesa para el analisis.
data_educacion_tidy <- data_educacion_raw
data_educacion_tidy <- data_educacion_tidy[, -which(colnames(data_educacion_tidy) == "CÓDIGO_ETC")]
str(data_educacion_tidy)## 'data.frame': 661 obs. of 36 variables:
## $ AÑO : int 2012 2013 2011 2014 2017 2015 2016 2014 2011 2013 ...
## $ ETC : Factor w/ 95 levels "Amazonas (ETC)",..: 1 1 1 1 1 1 1 2 2 2 ...
## $ POBLACIÓN_5_16 : int 22194 22123 22223 22167 22269 22212 22243 586947 599438 590211 ...
## $ TASA_MATRICULACIÓN_5_16 : num 8.19e+14 8.18e+01 8.23e+01 8.21e+01 8.36e+01 ...
## $ COBERTURA_NETA : num 81.9 81.8 82.3 82.1 82.1 ...
## $ COBERTURA_NETA_TRANSICIÓN : num 60.2 48.4 63.7 43.9 49 ...
## $ COBERTURA_NETA_PRIMARIA : num 85.6 84 87.2 84.9 80.6 ...
## $ COBERTURA_NETA_SECUNDARIA : num 53.3 58.2 50.6 57.7 60.7 ...
## $ COBERTURA_NETA_MEDIA : num 22.3 22.1 21.9 23.1 30.1 ...
## $ COBERTURA_BRUTA : num 94.8 95.4 94.5 95.7 96.6 ...
## $ COBERTURA_BRUTA_TRANSICIÓN : num 60.2 96.9 94.5 89.5 92.6 ...
## $ COBERTURA_BRUTA_PRIMARIA : num 85.6 111.8 117.8 114 108 ...
## $ COBERTURA_BRUTA_SECUNDARIA : num 53.3 91.2 82.5 89.1 94.3 ...
## $ COBERTURA_BRUTA_MEDIA : num 22.3 59.6 58 63.3 72.2 ...
## $ TAMAÑO_PROMEDIO_DE_GRUPO : num 19.3 27.6 14.9 20.3 21 ...
## $ SEDES_CONECTADAS_A_INTERNET: num 20.9 12.8 36.4 16.5 16.5 ...
## $ DESERCIÓN : num 4.7 3.29 5.46 3.04 4.88 4.76 5.06 2.68 4.16 3.84 ...
## $ DESERCIÓN_TRANSICIÓN : num 5.16 3.16 5.56 2.97 6.38 4.54 5.23 2.4 3.89 3.36 ...
## $ DESERCIÓN_PRIMARIA : num 2.3 1.82 3.67 1.95 3.06 2.53 2.75 2.26 3.93 3.27 ...
## $ DESERCIÓN_SECUNDARIA : num 7.97 5.26 8.21 4.67 6.98 8 8.49 3.55 4.71 5.03 ...
## $ DESERCIÓN_MEDIA : num 8.06 5.57 7.9 4.35 6.23 6.69 5.96 2.23 3.87 3.28 ...
## $ APROBACIÓN : num 93.7 95.8 91.2 96.9 87.5 ...
## $ APROBACIÓN_TRANSICIÓN : num 94.8 96.8 94.3 97 92.7 ...
## $ APROBACIÓN_PRIMARIA : num 95.8 97 92.8 98 90 ...
## $ APROBACIÓN_SECUNDARIA : num 90.7 94.2 88.6 95.3 82 ...
## $ APROBACIÓN_MEDIA : num 90 92.3 85.2 95.7 86.6 ...
## $ REPROBACIÓN : num 1.56 0.93 3.38 0.03 7.67 6.01 5.83 1.02 3.67 5.01 ...
## $ REPROBACIÓN_TRANSICIÓN : num 0 0 0.17 0 0.91 0.27 0.32 0.06 0.13 0.17 ...
## $ REPROBACIÓN_PRIMARIA : num 1.92 1.13 3.5 0.03 6.91 6.92 5.97 0.84 3.2 4.74 ...
## $ REPROBACIÓN_SECUNDARIA : num 1.35 0.56 3.16 0.05 11.01 ...
## $ REPROBACIÓN_MEDIA : num 1.98 2.12 6.95 0 7.19 4.79 5.79 1.44 5.69 6.06 ...
## $ REPITENCIA : num 3.9 4.32 1.65 6.3 5.96 5.15 6.61 1.87 2.02 1.7 ...
## $ REPITENCIA_TRANSICIÓN : num 0.67 2.46 0.65 2.77 3.3 1.36 1.66 0.19 0.15 0.19 ...
## $ REPITENCIA_PRIMARIA : num 3.32 4.41 2.02 6.83 7.06 5.14 7.5 1.77 1.94 1.59 ...
## $ REPITENCIA_SECUNDARIA : num 6.17 5.16 1.39 7.25 6.05 6.39 7.17 2.69 2.89 2.44 ...
## $ REPITENCIA_MEDIA : num 3.39 2.58 1.34 3.17 2.42 4.15 4.14 1.09 1.24 1.19 ...Normalizamos los nombres de las columnas, llevandolas a minuscula.
colnames(data_educacion_tidy) <- sapply(colnames(data_educacion_tidy), tolower)Conservamos solo el año 2017 y posteriormente eliminamos la columna.
data_educacion_tidy <- data_educacion_tidy[data_educacion_tidy$año == 2017, ]
data_educacion_tidy <- data_educacion_tidy[, -which(colnames(data_educacion_tidy) == "año")]
str(data_educacion_tidy)## 'data.frame': 95 obs. of 35 variables:
## $ etc : Factor w/ 95 levels "Amazonas (ETC)",..: 1 2 3 4 5 6 7 8 9 10 ...
## $ población_5_16 : int 22269 588225 49431 75197 15106 54421 112847 37581 237521 93422 ...
## $ tasa_matriculación_5_16 : num 83.6 82.4 59 75 67.8 ...
## $ cobertura_neta : num 82.1 82.3 59 75 67.6 ...
## $ cobertura_neta_transición : num 49 51.2 33 47.3 51.2 ...
## $ cobertura_neta_primaria : num 80.6 79.7 55.6 74 67.8 ...
## $ cobertura_neta_secundaria : num 60.7 68.3 52.2 58.4 59.7 ...
## $ cobertura_neta_media : num 30.1 36.7 26.6 30.9 37.8 ...
## $ cobertura_bruta : num 96.6 93.4 71.1 86.6 72.4 ...
## $ cobertura_bruta_transición : num 92.6 71.9 51.3 83.2 67.1 ...
## $ cobertura_bruta_primaria : num 108 102 72.4 97 77.7 ...
## $ cobertura_bruta_secundaria : num 94.3 99.7 82.9 85.6 75.6 ...
## $ cobertura_bruta_media : num 72.2 69.5 55.3 62.2 55.6 ...
## $ tamaño_promedio_de_grupo : num 21 29.5 35.8 21.8 27.4 ...
## $ sedes_conectadas_a_internet: num 16.5 22.8 46.9 35.8 79.2 ...
## $ deserción : num 4.88 4.9 4.99 3.63 1.15 4.41 1.59 2 1.14 3.06 ...
## $ deserción_transición : num 6.38 4.11 3.3 3.9 0.75 4.53 2.37 2.96 1.84 2.94 ...
## $ deserción_primaria : num 3.06 3.87 3.52 3.28 1.29 3.02 1.51 1.54 1.05 2.71 ...
## $ deserción_secundaria : num 6.98 6.76 7.65 4.23 1.13 5.91 1.63 2.38 1.21 3.82 ...
## $ deserción_media : num 6.23 4.19 3.88 3.21 0.9 4.3 1.31 1.94 0.86 2.14 ...
## $ aprobación : num 87.5 90 85 96.3 97.9 ...
## $ aprobación_transición : num 92.7 95.7 96.1 96.1 99.2 ...
## $ aprobación_primaria : num 90 91.3 88.1 96.7 98.1 ...
## $ aprobación_secundaria : num 82 86.5 77.4 95.8 97 ...
## $ aprobación_media : num 86.6 91 88.7 96.1 98.6 ...
## $ reprobación : num 7.67 5.12 10.02 0.07 0.97 ...
## $ reprobación_transición : num 0.91 0.16 0.62 NA NA 0.25 0.29 0.98 1.84 0.36 ...
## $ reprobación_primaria : num 6.91 4.8 8.41 NA 0.62 4.47 5.9 7.18 3.39 0.83 ...
## $ reprobación_secundaria : num 11.01 6.72 14.94 NA 1.82 ...
## $ reprobación_media : num 7.19 4.8 7.39 0.73 0.5 6.31 4.08 9.65 2.75 0.83 ...
## $ repitencia : num 5.96 5.44 0.61 7.17 2.04 0.74 1.4 5.27 1.28 1.45 ...
## $ repitencia_transición : num 3.3 1.26 0.1 5.85 1.34 0.04 0.53 1.35 1.36 0.25 ...
## $ repitencia_primaria : num 7.06 6.1 0.4 6.85 1.22 0.53 1.59 3.62 1.42 1.48 ...
## $ repitencia_secundaria : num 6.05 6.38 1.1 9.05 3.75 1.24 1.67 8.86 1.44 1.96 ...
## $ repitencia_media : num 2.42 1.96 0.26 3.68 0.8 0.35 0.53 3.64 0.35 0.41 ...Transformamos las ETC en mayuscula y removemos el (ETC), lo cual dificulta el join con otro dataset.
remove_etc <- function(city_factor) {
city <- as.character(city_factor)
no_capital <- gsub(" \\(ETC\\)", "", city)
return(no_capital)
}
data_educacion_tidy$etc <- sapply(data_educacion_tidy$etc, toupper)
data_educacion_tidy$etc <- sapply(data_educacion_tidy$etc, remove_etc)
data_educacion_tidy$etc <- sapply(data_educacion_tidy$etc, remove_capital)
data_educacion <- data_educacion_tidy2.4 Limpieza Dataset sobre armas incautadas en 2017
Este data set cuenta con variables que no aportan para nuestro analisis tales como: * Fecha * Hora * Permiso * Código.DANE * Cantidad
Ya que estas representan códigos de numeraciòn o tienen solo un valor asignado.
removable_columns_2 <- c("FECHA", "HORA", "PERMISO", "CÓDIGO.DANE", "CANTIDAD")
data_incauta_tidy <- data_incauta_raw[,-which(colnames(data_incauta_raw) %in% removable_columns_2)]
str(data_incauta_tidy)## 'data.frame': 20508 obs. of 6 variables:
## $ DEPARTAMENTO : Factor w/ 32 levels "AMAZONAS","ANTIOQUIA",..: 1 2 2 2 2 5 5 5 5 5 ...
## $ MUNICIPIO : Factor w/ 978 levels "ABEJORRAL","ABREGO",..: 447 38 310 766 827 511 511 511 511 511 ...
## $ DÍA : Factor w/ 7 levels "Domingo","Jueves",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ CLASE.DE.ARMA : Factor w/ 11 levels "AMETRALLADORA",..: 10 10 10 9 3 2 5 7 9 10 ...
## $ ZONA : Factor w/ 2 levels "RURAL","URBANA": 1 2 1 1 1 1 1 1 1 1 ...
## $ CLASE.DE.SITIO: Factor w/ 128 levels "AEROPUERTO","ALCALDIA",..: 127 127 127 50 50 128 128 128 128 128 ...Normalizamos los nombres de las columnas.
colnames(data_incauta_tidy) <- c("departamento", "municipio", "dia","clase_de_arma", "zona", "clase_de_sitio")
str(data_incauta_tidy)## 'data.frame': 20508 obs. of 6 variables:
## $ departamento : Factor w/ 32 levels "AMAZONAS","ANTIOQUIA",..: 1 2 2 2 2 5 5 5 5 5 ...
## $ municipio : Factor w/ 978 levels "ABEJORRAL","ABREGO",..: 447 38 310 766 827 511 511 511 511 511 ...
## $ dia : Factor w/ 7 levels "Domingo","Jueves",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ clase_de_arma : Factor w/ 11 levels "AMETRALLADORA",..: 10 10 10 9 3 2 5 7 9 10 ...
## $ zona : Factor w/ 2 levels "RURAL","URBANA": 1 2 1 1 1 1 1 1 1 1 ...
## $ clase_de_sitio: Factor w/ 128 levels "AEROPUERTO","ALCALDIA",..: 127 127 127 50 50 128 128 128 128 128 ...3 Pre-procesamiento
Calculamos indice de hurtos por municipio.
hurtos_per_muni <- data_hurto %>%
group_by(municipio) %>%
summarize(
cantidad_hurtos = n()
)
muni_joined <- data_municipios %>%
left_join(hurtos_per_muni, by = c("municipio" = "municipio"), copy = TRUE)## Warning: Column `municipio` joining character vector and factor, coercing
## into character vectorattach(muni_joined)
muni_joined$indice_hurtos <- (cantidad_hurtos / poblacion_2017) * 1000
detach(muni_joined)
muni_joined_sorted <- muni_joined[order(-muni_joined$poblacion_2017), ]
sum(is.na(muni_joined$cantidad_hurtos))## [1] 155Visualizamos los 30 primeros municipios en indice de hurtos.
muni_top <- head(muni_joined_sorted, 30)
muni_top_sorted <- muni_top[order(-muni_top$indice_hurtos), ]
muni_top_sorted## municipio poblacion_2017 cantidad_hurtos indice_hurtos
## 716 PASTO 450645 4460 9.8969255
## 362 POPAYÁN 282453 2342 8.2916450
## 149 BOGOTÁ D.C. 8080734 64188 7.9433378
## 846 BUCARAMANGA 528497 4068 7.6973001
## 1 MEDELLÍN 2508452 17522 6.9851845
## 687 VILLAVICENCIO 506012 3514 6.9444993
## 605 NEIVA 345806 2296 6.6395609
## 1006 CALI 2420114 14681 6.0662432
## 832 PEREIRA 474335 2701 5.6942878
## 959 IBAGUÉ 564076 3010 5.3361604
## 820 ARMENIA 299712 1518 5.0648623
## 47 ENVIGADO 232903 1177 5.0536060
## 319 MANIZALES 398830 1883 4.7213098
## 933 SINCELEJO 282868 1327 4.6912341
## 657 SANTA MARTA 499391 2329 4.6636804
## 126 BARRANQUILLA 1228271 5585 4.5470421
## 878 FLORIDABLANCA 266617 1211 4.5420960
## 59 ITAGUI 273927 1164 4.2493073
## 1032 PALMIRA 308669 1140 3.6932766
## 780 CÚCUTA 662673 2267 3.4209935
## 19 BELLO 473423 1594 3.3669678
## 404 VALLEDUPAR 473251 1554 3.2836698
## 429 MONTERÍA 453931 1437 3.1656794
## 545 SOACHA 533718 1309 2.4526061
## 642 RIOHACHA 277868 625 2.2492694
## 1041 TULUÁ 216619 470 2.1697081
## 150 CARTAGENA 1024882 1954 1.9065610
## 145 SOLEDAD 649111 1079 1.6622735
## 1012 BUENAVENTURA 415770 637 1.5320971
## 777 SAN ANDRES DE TUMACO 208318 108 0.5184382Añadimos la información del dataset de educación.
edu_joined <- muni_joined %>%
left_join(data_educacion, by = c("municipio" = "etc"), copy = TRUE)
str(edu_joined)## 'data.frame': 1122 obs. of 38 variables:
## $ municipio : chr "MEDELLÍN" "ABEJORRAL" "ABRIAQUÍ" "ALEJANDRÍA" ...
## $ poblacion_2017 : int 2508452 19096 2019 3393 29980 22414 46621 9216 11139 17521 ...
## $ cantidad_hurtos : int 17522 16 2 1 28 27 33 6 2 17 ...
## $ indice_hurtos : num 6.985 0.838 0.991 0.295 0.934 ...
## $ población_5_16 : int 370202 NA NA NA NA NA NA NA NA NA ...
## $ tasa_matriculación_5_16 : num 101 NA NA NA NA ...
## $ cobertura_neta : num 101 NA NA NA NA ...
## $ cobertura_neta_transición : num 73.1 NA NA NA NA ...
## $ cobertura_neta_primaria : num 98.6 NA NA NA NA ...
## $ cobertura_neta_secundaria : num 89.9 NA NA NA NA ...
## $ cobertura_neta_media : num 54.9 NA NA NA NA ...
## $ cobertura_bruta : num 116 NA NA NA NA ...
## $ cobertura_bruta_transición : num 88.5 NA NA NA NA ...
## $ cobertura_bruta_primaria : num 114 NA NA NA NA ...
## $ cobertura_bruta_secundaria : num 130 NA NA NA NA ...
## $ cobertura_bruta_media : num 108 NA NA NA NA ...
## $ tamaño_promedio_de_grupo : num 34 NA NA NA NA ...
## $ sedes_conectadas_a_internet: num 98.3 NA NA NA NA ...
## $ deserción : num 3.46 NA NA NA NA NA NA NA NA NA ...
## $ deserción_transición : num 3.05 NA NA NA NA NA NA NA NA NA ...
## $ deserción_primaria : num 2.71 NA NA NA NA NA NA NA NA NA ...
## $ deserción_secundaria : num 4.68 NA NA NA NA NA NA NA NA NA ...
## $ deserción_media : num 2.8 NA NA NA NA NA NA NA NA NA ...
## $ aprobación : num 85.3 NA NA NA NA ...
## $ aprobación_transición : num 96.8 NA NA NA NA NA NA NA NA NA ...
## $ aprobación_primaria : num 88.6 NA NA NA NA ...
## $ aprobación_secundaria : num 77.8 NA NA NA NA ...
## $ aprobación_media : num 89.6 NA NA NA NA ...
## $ reprobación : num 11.2 NA NA NA NA ...
## $ reprobación_transición : num 0.15 NA NA NA NA NA NA NA NA NA ...
## $ reprobación_primaria : num 8.7 NA NA NA NA NA NA NA NA NA ...
## $ reprobación_secundaria : num 17.5 NA NA NA NA ...
## $ reprobación_media : num 7.57 NA NA NA NA NA NA NA NA NA ...
## $ repitencia : num 10.2 NA NA NA NA ...
## $ repitencia_transición : num 1.37 NA NA NA NA NA NA NA NA NA ...
## $ repitencia_primaria : num 8.96 NA NA NA NA NA NA NA NA NA ...
## $ repitencia_secundaria : num 15 NA NA NA NA ...
## $ repitencia_media : num 4.83 NA NA NA NA NA NA NA NA NA ...Removemos las filas con NA y con indice de hurto mayor a 10.
edu_joined <- edu_joined[complete.cases(edu_joined), ] %>% filter(indice_hurtos <= 10)
str(edu_joined)## 'data.frame': 59 obs. of 38 variables:
## $ municipio : chr "MEDELLÍN" "BELLO" "CALDAS" "NARIÑO" ...
## $ poblacion_2017 : int 2508452 473423 79652 17686 124219 1228271 649111 1024882 12342 123906 ...
## $ cantidad_hurtos : int 17522 1594 141 9 654 5585 1079 1954 14 160 ...
## $ indice_hurtos : num 6.985 3.367 1.77 0.509 5.265 ...
## $ población_5_16 : int 370202 93422 125643 223685 24795 237521 140244 210840 267545 28640 ...
## $ tasa_matriculación_5_16 : num 101.3 78.5 73.6 63.5 82.8 ...
## $ cobertura_neta : num 101.2 78.5 73.5 63.5 82.5 ...
## $ cobertura_neta_transición : num 73.1 53.4 48.6 33 57 ...
## $ cobertura_neta_primaria : num 98.6 77.2 67.7 59.3 76.6 ...
## $ cobertura_neta_secundaria : num 89.9 67.3 65.1 50.5 74 ...
## $ cobertura_neta_media : num 54.9 38.3 40.5 25.5 46.3 ...
## $ cobertura_bruta : num 116.3 89.8 84.3 76.2 94 ...
## $ cobertura_bruta_transición : num 88.5 65.6 61.1 60.1 70.9 ...
## $ cobertura_bruta_primaria : num 114 91.3 84.8 85.4 90.2 ...
## $ cobertura_bruta_secundaria : num 130.2 101.8 93.4 78.9 106.5 ...
## $ cobertura_bruta_media : num 107.6 74.4 75.9 56.1 89.3 ...
## $ tamaño_promedio_de_grupo : num 34 34.5 26.5 17 31.1 ...
## $ sedes_conectadas_a_internet: num 98.3 93.7 31.2 21.6 100 ...
## $ deserción : num 3.46 3.06 3.73 1.52 3.92 1.14 1.22 2.77 3.1 3.31 ...
## $ deserción_transición : num 3.05 2.94 3.8 1.18 2.38 1.84 1.9 4.26 2.93 6.62 ...
## $ deserción_primaria : num 2.71 2.71 2.85 1.03 2.41 1.05 1.24 2.33 2.11 2.82 ...
## $ deserción_secundaria : num 4.68 3.82 4.95 2.06 6.06 1.21 1.23 3.1 4.33 3.49 ...
## $ deserción_media : num 2.8 2.14 3.28 2.15 3.38 0.86 0.74 2.51 3.9 2.12 ...
## $ aprobación : num 85.3 96.1 88.6 97.4 80.2 ...
## $ aprobación_transición : num 96.8 96.7 95.8 98.3 97 ...
## $ aprobación_primaria : num 88.6 96.5 91 97.9 86.1 ...
## $ aprobación_secundaria : num 77.8 95.3 83.8 96.7 69.3 ...
## $ aprobación_media : num 89.6 97 90.4 97.1 85 ...
## $ reprobación : num 11.23 0.84 7.64 1.06 15.87 ...
## $ reprobación_transición : num 0.15 0.36 0.37 0.48 0.62 1.84 0.77 0.41 0.12 0.52 ...
## $ reprobación_primaria : num 8.7 0.83 6.14 1.11 11.53 ...
## $ reprobación_secundaria : num 17.51 0.92 11.23 1.21 24.61 ...
## $ reprobación_media : num 7.57 0.83 6.36 0.73 11.64 ...
## $ repitencia : num 10.16 1.45 2.08 2.61 11.91 ...
## $ repitencia_transición : num 1.37 0.25 0.28 0.9 1.76 1.36 0.47 7.78 1.91 3.05 ...
## $ repitencia_primaria : num 8.96 1.48 1.64 2.3 9.87 1.42 0.35 7.35 2.98 3.4 ...
## $ repitencia_secundaria : num 14.98 1.96 3.32 3.75 17.17 ...
## $ repitencia_media : num 4.83 0.41 0.98 1.46 7.9 0.35 0.2 3.82 1.63 1.86 ...4 Analisis Univariado
4.1 Hurtos
columns_f <- c("edad", "escolaridad", "dia", "municipio", "movil_agresor", "clase_de_empleado", "estado_civil")
data_hurto_f <- data_hurto[, colnames(data_hurto) %in% columns_f]
summary(data_hurto_f)## municipio dia movil_agresor
## BOGOTÁ D.C. :64188 Domingo :19820 A PIE :130512
## MEDELLÍN :17522 Lunes :23454 PASAJERO MOTOCICLETA : 20200
## CALI :14681 Martes :27086 CONDUCTOR MOTOCICLETA: 13051
## BARRANQUILLA: 5585 Miércoles:27433 PASAJERO BUS : 7516
## PASTO : 4460 Jueves :27603 BICICLETA : 4533
## BUCARAMANGA : 4068 Viernes :28914 CONDUCTOR VEHICULO : 1773
## (Other) :71914 Sábado :28108 (Other) : 4833
## edad estado_civil clase_de_empleado
## Min. : 0.00 - : 0 EMPLEADO PARTICULAR:105331
## 1st Qu.: 25.00 CASADO :37575 INDEPENDIENTE : 31676
## Median : 33.00 DIVORCIADO : 3041 ESTUDIANTE : 14312
## Mean : 35.17 SEPARADO : 2605 AMA DE CASA : 6852
## 3rd Qu.: 43.00 SOLTERO :96804 COMERCIANTE : 6747
## Max. :450.00 UNION LIBRE:40385 EMPLEADO PUBLICO : 3644
## VIUDO : 2008 (Other) : 13856
## escolaridad
## NO REPORTADO: 1246
## ANALFABETA : 237
## PRIMARIA :26578
## SECUNDARIA :85978
## TECNOLOGO : 5948
## TECNICO :14530
## SUPERIOR :47901columns_f_l <- c("municipio","departamento", "zona", "dia", "clase_de_sitio", "arma_empleada", "movil_victima", "sexo")
data_hurto_f_l <- data_hurto[, colnames(data_hurto) %in% columns_f_l]
summary(data_hurto_f_l)## departamento municipio dia
## CUNDINAMARCA:68946 BOGOTÁ D.C. :64188 Domingo :19820
## ANTIOQUIA :25853 MEDELLÍN :17522 Lunes :23454
## VALLE :19662 CALI :14681 Martes :27086
## SANTANDER : 8242 BARRANQUILLA: 5585 Miércoles:27433
## ATLÁNTICO : 7220 PASTO : 4460 Jueves :27603
## NARIÑO : 5610 BUCARAMANGA : 4068 Viernes :28914
## (Other) :46885 (Other) :71914 Sábado :28108
## zona clase_de_sitio
## OTRAS : 11 VIAS PUBLICAS :108706
## RURAL : 9534 CASAS DE HABITACION : 5522
## URBANA:172873 FRENTE A RESIDENCIAS - VIA PUBLICA: 3064
## CARRETERA : 2595
## LOCAL COMERCIAL : 2523
## CALLEJÓN : 2435
## (Other) : 57573
## arma_empleada movil_victima
## SIN EMPLEO DE ARMAS :87924 A PIE :141171
## ARMA BLANCA / CORTOPUNZANTE:43135 CONDUCTOR VEHICULO : 12248
## ARMA DE FUEGO :35329 PASAJERO BUS : 10134
## CONTUNDENTES :13833 CONDUCTOR MOTOCICLETA: 6384
## ESCOPOLAMINA : 1862 BICICLETA : 4262
## NO REPORTADO : 160 PASAJERO VEHICULO : 1993
## (Other) : 175 (Other) : 6226
## sexo
## - : 0
## FEMENINO : 77497
## MASCULINO:104921
##
##
##
## Se utilizara la siguiente funcion para graficar los factores del data set.
plot_factor <- function(data, column, top = 30) {
group_count <- data %>%
group_by_(column) %>%
summarise(
cantidad_hurtos = n()
) %>%
arrange(desc(cantidad_hurtos)) %>%
top_n(top)
ggplot(group_count) +
geom_bar(
aes_string(x = paste0("reorder(", column, ", cantidad_hurtos)"), y = "cantidad_hurtos"),
stat = "identity"
) +
coord_flip() +
labs(x = column, y = "Cantidad de hurtos reportados") +
theme(axis.text.y = element_text(size = (rel(0.8))))
}4.1.1 Municipio
plot_factor(data_hurto_f, "municipio", 20)## Selecting by cantidad_hurtos
4.1.2 Día
plot_factor(data_hurto_f, "dia")## Selecting by cantidad_hurtos
4.1.3 Móvil Agresor
plot_factor(data_hurto_f, "movil_agresor", 20)## Selecting by cantidad_hurtos
4.1.4 Estado Civil
plot_factor(data_hurto_f, "estado_civil")## Selecting by cantidad_hurtos
4.1.5 Clase de Empleado
plot_factor(data_hurto_f, "clase_de_empleado", 20)## Selecting by cantidad_hurtos
4.1.6 Escolaridad
plot_factor(data_hurto_f, "escolaridad")## Selecting by cantidad_hurtos
4.1.7 Edad
edad_count <- data_hurto_f %>%
group_by(edad) %>%
summarise(
cantidad_hurtos = n()
)
ggplot(edad_count) +
geom_point(aes(x = edad, y = cantidad_hurtos))
Existen unos datos atipicos de edades mayores a 100, los eliminamos par visualizar la distribucion resultante.
edad_count_fix <- edad_count %>%
filter(edad < 100)
ggplot(edad_count_fix) +
geom_point(aes(x = edad, y = cantidad_hurtos))
4.1.8 Municipio
plot_factor(data_hurto_f_l, "municipio", 20)## Selecting by cantidad_hurtos
4.1.9 Departamentos
plot_factor(data_hurto_f_l, "departamento", 20)## Selecting by cantidad_hurtos
4.1.10 Zona
plot_factor(data_hurto_f_l, "zona", 20)## Selecting by cantidad_hurtos
4.1.11 Clase de sitio
plot_factor(data_hurto_f_l, "clase_de_sitio", 20)## Selecting by cantidad_hurtos
4.1.12 Arma empleada
plot_factor(data_hurto_f_l, "arma_empleada", 20)## Selecting by cantidad_hurtos
4.1.13 Movil Víctima
plot_factor(data_hurto_f_l, "movil_victima", 20)## Selecting by cantidad_hurtos
4.1.14 Sexo
plot_factor(data_hurto_f_l, "sexo", 20)## Selecting by cantidad_hurtos
4.2 Educación
4.2.1 Población entre 5 y 16 años
ggplot(data_educacion) +
geom_point(aes(x = reorder(etc, población_5_16), y = población_5_16)) +
coord_flip()
4.2.2 Tasa matriculacion entre 5 y 16 años
ggplot(data_educacion) +
geom_point(aes(x = reorder(etc, tasa_matriculación_5_16), y = tasa_matriculación_5_16)) +
coord_flip()
4.2.3 Cobertura neta
ggplot(data_educacion) +
geom_point(aes(x = reorder(etc, cobertura_neta), y = cobertura_neta)) +
coord_flip()
4.2.4 Cobertura bruta
ggplot(data_educacion) +
geom_point(aes(x = reorder(etc, cobertura_bruta), y = cobertura_bruta)) +
coord_flip()
4.2.5 Tamaño promedio de grupo
ggplot(data_educacion) +
geom_point(aes(x = reorder(etc, tamaño_promedio_de_grupo), y = tamaño_promedio_de_grupo)) +
coord_flip()
4.2.6 Sedes conectadas a internet
ggplot(data_educacion) +
geom_point(aes(x = reorder(etc, sedes_conectadas_a_internet), y = sedes_conectadas_a_internet)) +
coord_flip()
4.2.7 Deserción
ggplot(data_educacion) +
geom_point(aes(x = reorder(etc, deserción), y = deserción)) +
coord_flip()
4.2.8 Aprobación
ggplot(data_educacion) +
geom_point(aes(x = reorder(etc, aprobación), y = aprobación)) +
coord_flip()
4.2.9 Reprobación
ggplot(data_educacion) +
geom_point(aes(x = reorder(etc, reprobación), y = reprobación)) +
coord_flip()
4.2.10 Repitencia
ggplot(data_educacion) +
geom_point(aes(x = reorder(etc, repitencia), y = repitencia)) +
coord_flip()
4.3 Analisis univariado dataset Armas
Aquí se tiene el analisis univariado para las siguientes variables: Departamento Municipio Día Clase de arma Zona Clase de sitio
A continuación empezamos a analizar cada una de las variables listadas. Vamos a observar como esta la distribución de estos datos.
data_armas<-data_incauta_tidy
columns_f_l_armas <- c("departamento", "municipio", "dia","clase_de_arma", "zona", "clase_de_sitio")
data_hurto_f_l_armas <- data_armas[, colnames(data_armas) %in% columns_f_l_armas]
summary(data_hurto_f_l_armas)## departamento municipio dia
## CUNDINAMARCA :3218 BOGOTÁ D.C. (CT) : 1829 Domingo :3172
## VALLE :1999 BARRANQUILLA (CT): 1066 Jueves :3061
## ANTIOQUIA :1958 CALI (CT) : 1061 Lunes :2876
## ATLÁNTICO :1648 MEDELLÍN (CT) : 563 Martes :2736
## SANTANDER :1488 CÚCUTA (CT) : 403 Miércoles:2802
## NORTE DE SANTANDER:1003 CARTAGENA (CT) : 375 Sábado :2840
## (Other) :9194 (Other) :15211 Viernes :3021
## clase_de_arma zona
## REVOLVER :8695 RURAL : 6150
## ESCOPETA :5503 URBANA:14358
## PISTOLA :4573
## ESCOPETA DE FISTO:1440
## FUSIL / RIFLE : 154
## SUBAMETRALLADORA : 82
## (Other) : 61
## clase_de_sitio
## VIAS PUBLICAS :14030
## FINCAS Y SIMILARES : 1408
## CARRETERA : 1301
## CASAS DE HABITACION : 1014
## TRAMO DE VIA : 672
## INSTALACIONES DE LA POLICIA: 411
## (Other) : 1672plot_factor <- function(data, column, top = 30) {
group_count <- data %>%
group_by_(column) %>%
summarise(
cantidad_armas = n()
) %>%
arrange(desc(cantidad_armas)) %>%
top_n(top)
ggplot(group_count) +
geom_bar(
aes_string(x = paste0("reorder(", column, ", cantidad_armas)"), y = "cantidad_armas"),
stat = "identity"
) +
coord_flip() +
labs(x = column, y = "Cantidad reportada de armas incautadas") +
theme(axis.text.y = element_text(size = (rel(0.8))))
}4.3.1 Departamentos
plot_factor(data_hurto_f_l_armas, "departamento", 20)## Selecting by cantidad_armas
4.3.2 Municipio
plot_factor(data_hurto_f_l_armas, "municipio", 20)## Selecting by cantidad_armas
4.3.3 Día
plot_factor(data_hurto_f_l_armas, "dia", 20)## Selecting by cantidad_armas
4.3.4 Clase de arma empleada
plot_factor(data_hurto_f_l_armas, "clase_de_arma", 20)## Selecting by cantidad_armas
4.3.5 Zona
plot_factor(data_hurto_f_l_armas, "zona", 20)## Selecting by cantidad_armas
4.3.6 Clase de sitio
plot_factor(data_hurto_f_l_armas, "clase_de_sitio", 20)## Selecting by cantidad_armas
5 Analisis Multivariado
5.1 Hurto
Se utilizara esta funcion para obtener la moda de un factor de los municipios
get_mode <- function(var) {
uniqv <- unique(var)
uniqv[which.max(tabulate(match(var, uniqv)))]
}5.1.1 Escolaridad
5.1.1.1 Indice <= 10
esc_mode <- data_hurto_f %>%
select(municipio, escolaridad) %>%
group_by(municipio) %>%
summarise(
moda_escolaridad = get_mode(escolaridad)
)
esc_joined <- muni_joined %>%
filter(indice_hurtos <= 10) %>%
left_join(esc_mode, by = c("municipio", "municipio"), copy = TRUE)## Warning: Column `municipio` joining character vector and factor, coercing
## into character vectorggplot(esc_joined, aes(x = moda_escolaridad, y = indice_hurtos, fill = moda_escolaridad)) +
geom_boxplot(alpha = 0.4) +
theme(legend.position = "X")
5.1.1.2 Indice <= 2
esc_mode <- data_hurto_f %>%
select(municipio, escolaridad) %>%
group_by(municipio) %>%
summarise(
moda_escolaridad = get_mode(escolaridad)
)
esc_joined <- muni_joined %>%
filter(indice_hurtos <= 2) %>%
left_join(esc_mode, by = c("municipio", "municipio"), copy = TRUE)## Warning: Column `municipio` joining character vector and factor, coercing
## into character vectorggplot(esc_joined, aes(x = moda_escolaridad, y = indice_hurtos, fill = moda_escolaridad)) +
geom_boxplot(alpha = 0.4) +
theme(legend.position = "X")
5.1.2 Dia
5.1.2.1 Indice <= 10
esc_mode <- data_hurto_f %>%
select(municipio, dia) %>%
group_by(municipio) %>%
summarise(
moda_dia = get_mode(dia)
)
dia_joined <- muni_joined %>%
filter(indice_hurtos <= 10) %>%
left_join(esc_mode, by = c("municipio", "municipio"), copy = TRUE)## Warning: Column `municipio` joining character vector and factor, coercing
## into character vectorggplot(dia_joined, aes(x = moda_dia, y = indice_hurtos, fill = moda_dia)) +
geom_boxplot(alpha = 0.4) +
theme(legend.position = "X")
5.1.2.2 Indice <= 2
esc_mode <- data_hurto_f %>%
select(municipio, dia) %>%
group_by(municipio) %>%
summarise(
moda_dia = get_mode(dia)
)
dia_joined <- muni_joined %>%
filter(indice_hurtos <= 2) %>%
left_join(esc_mode, by = c("municipio", "municipio"), copy = TRUE)## Warning: Column `municipio` joining character vector and factor, coercing
## into character vectorggplot(dia_joined, aes(x = moda_dia, y = indice_hurtos, fill = moda_dia)) +
geom_boxplot(alpha = 0.4) +
theme(legend.position = "X")
5.1.3 Movil Agresor
5.1.3.1 Indice <= 10
esc_mode <- data_hurto_f %>%
select(municipio, movil_agresor) %>%
group_by(municipio) %>%
summarise(
moda_movil_agresor = get_mode(movil_agresor)
)
movil_agresor_joined <- muni_joined %>%
filter(indice_hurtos <= 10) %>%
left_join(esc_mode, by = c("municipio", "municipio"), copy = TRUE)## Warning: Column `municipio` joining character vector and factor, coercing
## into character vectorggplot(movil_agresor_joined, aes(x = moda_movil_agresor, y = indice_hurtos, fill = moda_movil_agresor)) +
geom_boxplot(alpha = 0.4) +
theme(legend.position = "X") +
coord_flip()
5.1.3.2 Indice <= 2
esc_mode <- data_hurto_f %>%
select(municipio, movil_agresor) %>%
group_by(municipio) %>%
summarise(
moda_movil_agresor = get_mode(movil_agresor)
)
movil_agresor_joined <- muni_joined %>%
filter(indice_hurtos <= 2) %>%
left_join(esc_mode, by = c("municipio", "municipio"), copy = TRUE)## Warning: Column `municipio` joining character vector and factor, coercing
## into character vectorggplot(movil_agresor_joined, aes(x = moda_movil_agresor, y = indice_hurtos, fill = moda_movil_agresor)) +
geom_boxplot(alpha = 0.4) +
theme(legend.position = "X") +
coord_flip()
5.1.4 Edad
5.1.4.1 Indice <= 10
esc_mode <- data_hurto_f %>%
select(municipio, edad) %>%
group_by(municipio) %>%
summarise(
moda_edad = mean(edad)
)
edad_joined <- muni_joined %>%
filter(indice_hurtos <= 10) %>%
left_join(esc_mode, by = c("municipio", "municipio"), copy = TRUE)## Warning: Column `municipio` joining character vector and factor, coercing
## into character vectorggplot(edad_joined, aes(x = moda_edad, y = indice_hurtos, fill = moda_edad)) +
geom_point() +
theme(legend.position = "X")
5.1.4.2 Indice <= 2
esc_mode <- data_hurto_f %>%
select(municipio, edad) %>%
group_by(municipio) %>%
summarise(
moda_edad = mean(edad)
)
edad_joined <- muni_joined %>%
filter(indice_hurtos <= 2) %>%
left_join(esc_mode, by = c("municipio", "municipio"), copy = TRUE)## Warning: Column `municipio` joining character vector and factor, coercing
## into character vectorggplot(edad_joined, aes(x = moda_edad, y = indice_hurtos, fill = moda_edad)) +
geom_point() +
theme(legend.position = "X")
5.1.5 Estado Civil
5.1.5.1 Indice <= 10
esc_mode <- data_hurto_f %>%
select(municipio, estado_civil) %>%
group_by(municipio) %>%
summarise(
moda_estado_civil = get_mode(estado_civil)
)
estado_civil_joined <- muni_joined %>%
filter(indice_hurtos <= 10) %>%
left_join(esc_mode, by = c("municipio", "municipio"), copy = TRUE)## Warning: Column `municipio` joining character vector and factor, coercing
## into character vectorggplot(estado_civil_joined, aes(x = moda_estado_civil, y = indice_hurtos, fill = moda_estado_civil)) +
geom_boxplot(alpha = 0.4) +
theme(legend.position = "X")
5.1.5.2 Indice <= 2
esc_mode <- data_hurto_f %>%
select(municipio, estado_civil) %>%
group_by(municipio) %>%
summarise(
moda_estado_civil = get_mode(estado_civil)
)
estado_civil_joined <- muni_joined %>%
filter(indice_hurtos <= 2) %>%
left_join(esc_mode, by = c("municipio", "municipio"), copy = TRUE)## Warning: Column `municipio` joining character vector and factor, coercing
## into character vectorggplot(estado_civil_joined, aes(x = moda_estado_civil, y = indice_hurtos, fill = moda_estado_civil)) +
geom_boxplot(alpha = 0.4) +
theme(legend.position = "X")
5.1.6 Clase de Empleado
5.1.6.1 Indice <= 10
esc_mode <- data_hurto_f %>%
select(municipio, clase_de_empleado) %>%
group_by(municipio) %>%
summarise(
moda_clase_de_empleado = get_mode(clase_de_empleado)
)
clase_de_empleado_joined <- muni_joined %>%
filter(indice_hurtos <= 10) %>%
left_join(esc_mode, by = c("municipio", "municipio"), copy = TRUE)## Warning: Column `municipio` joining character vector and factor, coercing
## into character vectorggplot(clase_de_empleado_joined, aes(x = moda_clase_de_empleado, y = indice_hurtos, fill = moda_clase_de_empleado)) +
geom_boxplot(alpha = 0.4) +
theme(legend.position = "X") +
coord_flip()
5.1.6.2 Indice <= 2
esc_mode <- data_hurto_f %>%
select(municipio, clase_de_empleado) %>%
group_by(municipio) %>%
summarise(
moda_clase_de_empleado = get_mode(clase_de_empleado)
)
clase_de_empleado_joined <- muni_joined %>%
filter(indice_hurtos <= 2) %>%
left_join(esc_mode, by = c("municipio", "municipio"), copy = TRUE)## Warning: Column `municipio` joining character vector and factor, coercing
## into character vectorggplot(clase_de_empleado_joined, aes(x = moda_clase_de_empleado, y = indice_hurtos, fill = moda_clase_de_empleado)) +
geom_boxplot(alpha = 0.4) +
theme(legend.position = "X") +
coord_flip()
5.1.7 Arma Empleada
arma_spread <- data_hurto %>%
count(municipio, arma_empleada) %>%
group_by(municipio) %>%
mutate(prop = n / sum(n)) %>%
select(-n) %>%
spread(key = arma_empleada, value = prop)
arma_spread## # A tibble: 897 x 16
## # Groups: municipio [899]
## municipio ALUCINOGENOS `ARMA BLANCA / … `ARMA DE FUEGO` CONTUNDENTES
## <fct> <dbl> <dbl> <dbl> <dbl>
## 1 ABEJORRAL NA 0.0625 0.0625 0.125
## 2 ABREGO NA 0.1 0.3 0.1
## 3 ABRIAQUÍ NA NA NA 0.5
## 4 ACACÍAS NA 0.116 0.0773 0.159
## 5 ACANDÍ NA 0.2 0.2 NA
## 6 ACEVEDO NA 0.182 0.364 NA
## 7 ACHÍ NA NA NA NA
## 8 AGRADO NA NA 0.286 NA
## 9 AGUA DE … NA 0.0909 NA 0.0909
## 10 AGUACHICA NA 0.142 0.432 0.0169
## # … with 887 more rows, and 11 more variables: CORTANTES <dbl>,
## # DIRECTA <dbl>, ESCOPOLAMINA <dbl>, JERINGA <dbl>, `LLAVE
## # MAESTRA` <dbl>, `NO REPORTADO` <dbl>, PALANCAS <dbl>, PERRO <dbl>,
## # `SIN EMPLEO DE ARMAS` <dbl>, `SUSTANCIAS TOXICAS` <dbl>,
## # VEHICULO <dbl>remove_capital_2 <- function(city_factor2) {
city <- as.character(city_factor2)
no_capital <- gsub(" \\(CT\\)", "", city)
return(no_capital)
}
arma_spread <- arma_spread %>%
left_join(muni_joined_sorted, by = c("municipio" = "municipio"), copy = TRUE)## Warning: Column `municipio` joining factor and character vector, coercing
## into character vectorhead(arma_spread)## # A tibble: 6 x 19
## # Groups: municipio [6]
## municipio ALUCINOGENOS `ARMA BLANCA / … `ARMA DE FUEGO` CONTUNDENTES
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 ABEJORRAL NA 0.0625 0.0625 0.125
## 2 ABREGO NA 0.1 0.3 0.1
## 3 ABRIAQUÍ NA NA NA 0.5
## 4 ACACÍAS NA 0.116 0.0773 0.159
## 5 ACANDÍ NA 0.2 0.2 NA
## 6 ACEVEDO NA 0.182 0.364 NA
## # … with 14 more variables: CORTANTES <dbl>, DIRECTA <dbl>,
## # ESCOPOLAMINA <dbl>, JERINGA <dbl>, `LLAVE MAESTRA` <dbl>, `NO
## # REPORTADO` <dbl>, PALANCAS <dbl>, PERRO <dbl>, `SIN EMPLEO DE
## # ARMAS` <dbl>, `SUSTANCIAS TOXICAS` <dbl>, VEHICULO <dbl>,
## # poblacion_2017 <int>, cantidad_hurtos <int>, indice_hurtos <dbl>arma_spread <- arma_spread[order(-arma_spread$indice_hurtos),]
head(arma_spread)## # A tibble: 6 x 19
## # Groups: municipio [6]
## municipio ALUCINOGENOS `ARMA BLANCA / … `ARMA DE FUEGO` CONTUNDENTES
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 ARMENIA NA 0.253 0.125 0.125
## 2 FLORENCIA NA 0.285 0.162 0.0686
## 3 SAN ANDR… NA 0.104 0.111 0.0465
## 4 CALDAS NA 0.121 0.319 0.0638
## 5 SABANALA… NA 0.138 0.319 0.0426
## 6 RIONEGRO NA 0.159 0.156 0.142
## # … with 14 more variables: CORTANTES <dbl>, DIRECTA <dbl>,
## # ESCOPOLAMINA <dbl>, JERINGA <dbl>, `LLAVE MAESTRA` <dbl>, `NO
## # REPORTADO` <dbl>, PALANCAS <dbl>, PERRO <dbl>, `SIN EMPLEO DE
## # ARMAS` <dbl>, `SUSTANCIAS TOXICAS` <dbl>, VEHICULO <dbl>,
## # poblacion_2017 <int>, cantidad_hurtos <int>, indice_hurtos <dbl>ggplot(arma_spread) +
stat_smooth(mapping = aes(x=arma_spread$`ARMA BLANCA / CORTOPUNZANTE`, y=arma_spread$indice_hurtos))## `geom_smooth()` using method = 'loess' and formula 'y ~ x'## Warning: Removed 450 rows containing non-finite values (stat_smooth).
ggplot(arma_spread, aes(x=arma_spread$`ARMA BLANCA / CORTOPUNZANTE`, y=indice_hurtos)) +
geom_point() +ylim(0, 7) + xlim(0,1)## Warning: Removed 472 rows containing missing values (geom_point).
ggplot(arma_spread, aes(x=arma_spread$`ARMA DE FUEGO`, y=indice_hurtos)) +
geom_point()+ylim(0, 7) + xlim(0,1)## Warning: Removed 363 rows containing missing values (geom_point).
5.2 Educación y Hurto
str(edu_joined)## 'data.frame': 59 obs. of 38 variables:
## $ municipio : chr "MEDELLÍN" "BELLO" "CALDAS" "NARIÑO" ...
## $ poblacion_2017 : int 2508452 473423 79652 17686 124219 1228271 649111 1024882 12342 123906 ...
## $ cantidad_hurtos : int 17522 1594 141 9 654 5585 1079 1954 14 160 ...
## $ indice_hurtos : num 6.985 3.367 1.77 0.509 5.265 ...
## $ población_5_16 : int 370202 93422 125643 223685 24795 237521 140244 210840 267545 28640 ...
## $ tasa_matriculación_5_16 : num 101.3 78.5 73.6 63.5 82.8 ...
## $ cobertura_neta : num 101.2 78.5 73.5 63.5 82.5 ...
## $ cobertura_neta_transición : num 73.1 53.4 48.6 33 57 ...
## $ cobertura_neta_primaria : num 98.6 77.2 67.7 59.3 76.6 ...
## $ cobertura_neta_secundaria : num 89.9 67.3 65.1 50.5 74 ...
## $ cobertura_neta_media : num 54.9 38.3 40.5 25.5 46.3 ...
## $ cobertura_bruta : num 116.3 89.8 84.3 76.2 94 ...
## $ cobertura_bruta_transición : num 88.5 65.6 61.1 60.1 70.9 ...
## $ cobertura_bruta_primaria : num 114 91.3 84.8 85.4 90.2 ...
## $ cobertura_bruta_secundaria : num 130.2 101.8 93.4 78.9 106.5 ...
## $ cobertura_bruta_media : num 107.6 74.4 75.9 56.1 89.3 ...
## $ tamaño_promedio_de_grupo : num 34 34.5 26.5 17 31.1 ...
## $ sedes_conectadas_a_internet: num 98.3 93.7 31.2 21.6 100 ...
## $ deserción : num 3.46 3.06 3.73 1.52 3.92 1.14 1.22 2.77 3.1 3.31 ...
## $ deserción_transición : num 3.05 2.94 3.8 1.18 2.38 1.84 1.9 4.26 2.93 6.62 ...
## $ deserción_primaria : num 2.71 2.71 2.85 1.03 2.41 1.05 1.24 2.33 2.11 2.82 ...
## $ deserción_secundaria : num 4.68 3.82 4.95 2.06 6.06 1.21 1.23 3.1 4.33 3.49 ...
## $ deserción_media : num 2.8 2.14 3.28 2.15 3.38 0.86 0.74 2.51 3.9 2.12 ...
## $ aprobación : num 85.3 96.1 88.6 97.4 80.2 ...
## $ aprobación_transición : num 96.8 96.7 95.8 98.3 97 ...
## $ aprobación_primaria : num 88.6 96.5 91 97.9 86.1 ...
## $ aprobación_secundaria : num 77.8 95.3 83.8 96.7 69.3 ...
## $ aprobación_media : num 89.6 97 90.4 97.1 85 ...
## $ reprobación : num 11.23 0.84 7.64 1.06 15.87 ...
## $ reprobación_transición : num 0.15 0.36 0.37 0.48 0.62 1.84 0.77 0.41 0.12 0.52 ...
## $ reprobación_primaria : num 8.7 0.83 6.14 1.11 11.53 ...
## $ reprobación_secundaria : num 17.51 0.92 11.23 1.21 24.61 ...
## $ reprobación_media : num 7.57 0.83 6.36 0.73 11.64 ...
## $ repitencia : num 10.16 1.45 2.08 2.61 11.91 ...
## $ repitencia_transición : num 1.37 0.25 0.28 0.9 1.76 1.36 0.47 7.78 1.91 3.05 ...
## $ repitencia_primaria : num 8.96 1.48 1.64 2.3 9.87 1.42 0.35 7.35 2.98 3.4 ...
## $ repitencia_secundaria : num 14.98 1.96 3.32 3.75 17.17 ...
## $ repitencia_media : num 4.83 0.41 0.98 1.46 7.9 0.35 0.2 3.82 1.63 1.86 ...5.2.1 Tasa Matriculación personas entre 5 y 16 años
ggplot(edu_joined) +
geom_point(aes(x = tasa_matriculación_5_16, y = indice_hurtos))
5.2.2 Tamaño Promedio de Grupo
ggplot(edu_joined) +
geom_point(aes(x = tamaño_promedio_de_grupo, y = indice_hurtos))
5.2.3 Sedes Conectadas a Internet
ggplot(edu_joined) +
geom_point(aes(x = sedes_conectadas_a_internet, y = indice_hurtos))
5.2.4 % Cobertura
5.2.4.1 Neta
ggplot(edu_joined) +
geom_point(aes(x = cobertura_neta, y = indice_hurtos))
5.2.4.2 Transición
ggplot(edu_joined) +
geom_point(aes(x = cobertura_neta_transición, y = indice_hurtos))
5.2.4.3 Primaria
ggplot(edu_joined) +
geom_point(aes(x = cobertura_neta_primaria, y = indice_hurtos))
5.2.4.4 Secundaria
ggplot(edu_joined) +
geom_point(aes(x = cobertura_neta_secundaria, y = indice_hurtos))
5.2.4.5 Media
ggplot(edu_joined) +
geom_point(aes(x = cobertura_neta_media, y = indice_hurtos))
5.2.5 % Deserción
5.2.5.1 Neta
ggplot(edu_joined) +
geom_point(aes(x = deserción, y = indice_hurtos))
5.2.5.2 Transición
ggplot(edu_joined) +
geom_point(aes(x = deserción_transición, y = indice_hurtos))
5.2.5.3 Primaria
ggplot(edu_joined) +
geom_point(aes(x = deserción_primaria, y = indice_hurtos))
5.2.5.4 Secundaria
ggplot(edu_joined) +
geom_point(aes(x = deserción_secundaria, y = indice_hurtos))
5.2.5.5 Media
ggplot(edu_joined) +
geom_point(aes(x = deserción_media, y = indice_hurtos))
5.2.6 % Aprobación
5.2.6.1 Neta
ggplot(edu_joined) +
geom_point(aes(x = aprobación, y = indice_hurtos))
5.2.6.2 Transición
ggplot(edu_joined) +
geom_point(aes(x = aprobación_transición, y = indice_hurtos))
5.2.6.3 Primaria
ggplot(edu_joined) +
geom_point(aes(x = aprobación_primaria, y = indice_hurtos))
5.2.6.4 Secundaria
ggplot(edu_joined) +
geom_point(aes(x = aprobación_secundaria, y = indice_hurtos))
5.2.6.5 Media
ggplot(edu_joined) +
geom_point(aes(x = aprobación_media, y = indice_hurtos))
5.2.7 % Reprobación
5.2.7.1 Neta
ggplot(edu_joined) +
geom_point(aes(x = reprobación, y = indice_hurtos))
5.2.7.2 Transición
ggplot(edu_joined) +
geom_point(aes(x = reprobación_transición, y = indice_hurtos))
5.2.7.3 Primaria
ggplot(edu_joined) +
geom_point(aes(x = reprobación_primaria, y = indice_hurtos))
5.2.7.4 Secundaria
ggplot(edu_joined) +
geom_point(aes(x = reprobación_secundaria, y = indice_hurtos))
5.2.7.5 Media
ggplot(edu_joined) +
geom_point(aes(x = reprobación_media, y = indice_hurtos))
5.3 Analisis multivariado dataset armas incautadas
El dataset de armas incautadas fue seleccionado pues, se cuenta con la hipotesis de a mayor cantidad de armas incautadas, menor serà el indice de hurtos. De manera que se pasa a realizar un analisis multivariado con dicha variable. A continuaciòn los resultados:
head(data_hurto_f_l_armas)## departamento municipio dia clase_de_arma zona
## 1 AMAZONAS LETICIA (CT) Domingo REVOLVER RURAL
## 2 ANTIOQUIA ANORÍ Domingo REVOLVER URBANA
## 3 ANTIOQUIA FREDONIA Domingo REVOLVER RURAL
## 4 ANTIOQUIA SAN VICENTE Domingo PISTOLA RURAL
## 5 ANTIOQUIA SOPETRÁN Domingo ESCOPETA RURAL
## 6 BOLÍVAR MONTECRISTO Domingo CARABINA RURAL
## clase_de_sitio
## 1 VIAS PUBLICAS
## 2 VIAS PUBLICAS
## 3 VIAS PUBLICAS
## 4 FINCAS Y SIMILARES
## 5 FINCAS Y SIMILARES
## 6 ZONA SELVÁTICAmunic_spread <- data_hurto_f_l_armas %>%
group_by(municipio) %>%
summarize(
cantidad_incauta = n()
)
munic_spread## # A tibble: 978 x 2
## municipio cantidad_incauta
## <fct> <int>
## 1 ABEJORRAL 16
## 2 ABREGO 24
## 3 ABRIAQUÍ 1
## 4 ACACÍAS 35
## 5 ACANDÍ 6
## 6 ACEVEDO 2
## 7 ACHÍ 2
## 8 AGRADO 4
## 9 AGUA DE DIOS 2
## 10 AGUACHICA 70
## # … with 968 more rowsmunic_spread_sorted <- munic_spread[order(-munic_spread$cantidad_incauta),]
munic_spread_sorted## # A tibble: 978 x 2
## municipio cantidad_incauta
## <fct> <int>
## 1 BOGOTÁ D.C. (CT) 1829
## 2 BARRANQUILLA (CT) 1066
## 3 CALI (CT) 1061
## 4 MEDELLÍN (CT) 563
## 5 CÚCUTA (CT) 403
## 6 CARTAGENA (CT) 375
## 7 BUCARAMANGA (CT) 269
## 8 SOLEDAD 269
## 9 MANIZALES (CT) 261
## 10 PEREIRA (CT) 217
## # … with 968 more rowsremove_capital_2 <- function(city_factor2) {
city <- as.character(city_factor2)
no_capital <- gsub(" \\(CT\\)", "", city)
return(no_capital)
}
munic_spread_sorted$municipio <- as.factor(sapply(munic_spread_sorted$municipio, remove_capital_2))
munic_spread_sorted## # A tibble: 978 x 2
## municipio cantidad_incauta
## <fct> <int>
## 1 BOGOTÁ D.C. 1829
## 2 BARRANQUILLA 1066
## 3 CALI 1061
## 4 MEDELLÍN 563
## 5 CÚCUTA 403
## 6 CARTAGENA 375
## 7 BUCARAMANGA 269
## 8 SOLEDAD 269
## 9 MANIZALES 261
## 10 PEREIRA 217
## # … with 968 more rowshead(munic_spread_sorted)## # A tibble: 6 x 2
## municipio cantidad_incauta
## <fct> <int>
## 1 BOGOTÁ D.C. 1829
## 2 BARRANQUILLA 1066
## 3 CALI 1061
## 4 MEDELLÍN 563
## 5 CÚCUTA 403
## 6 CARTAGENA 375head(muni_joined_sorted)## municipio poblacion_2017 cantidad_hurtos indice_hurtos
## 149 BOGOTÁ D.C. 8080734 64188 7.943338
## 1 MEDELLÍN 2508452 17522 6.985184
## 1006 CALI 2420114 14681 6.066243
## 126 BARRANQUILLA 1228271 5585 4.547042
## 150 CARTAGENA 1024882 1954 1.906561
## 780 CÚCUTA 662673 2267 3.420993munic_spread_sorted <- munic_spread_sorted %>%
left_join(muni_joined_sorted, by = c("municipio" = "municipio"), copy = TRUE)
head(munic_spread_sorted)## # A tibble: 6 x 5
## municipio cantidad_incauta poblacion_2017 cantidad_hurtos indice_hurtos
## <chr> <int> <int> <int> <dbl>
## 1 BOGOTÁ D.C. 1829 8080734 64188 7.94
## 2 BARRANQUIL… 1066 1228271 5585 4.55
## 3 CALI 1061 2420114 14681 6.07
## 4 MEDELLÍN 563 2508452 17522 6.99
## 5 CÚCUTA 403 662673 2267 3.42
## 6 CARTAGENA 375 1024882 1954 1.91munic_spread_sorted <- munic_spread_sorted[order(-munic_spread_sorted$cantidad_incauta),]
str(munic_spread_sorted)## Classes 'tbl_df', 'tbl' and 'data.frame': 1063 obs. of 5 variables:
## $ municipio : chr "BOGOTÁ D.C." "BARRANQUILLA" "CALI" "MEDELLÍN" ...
## $ cantidad_incauta: int 1829 1066 1061 563 403 375 269 269 261 217 ...
## $ poblacion_2017 : int 8080734 1228271 2420114 2508452 662673 1024882 528497 649111 398830 474335 ...
## $ cantidad_hurtos : int 64188 5585 14681 17522 2267 1954 4068 1079 1883 2701 ...
## $ indice_hurtos : num 7.94 4.55 6.07 6.99 3.42 ...ggplot(munic_spread_sorted) +
stat_smooth(mapping = aes(x=munic_spread_sorted$cantidad_incauta, y=munic_spread_sorted$indice_hurtos)) +
xlab("cantidad armas incautadas") +
ylab("indice hurtos")## `geom_smooth()` using method = 'gam' and formula 'y ~ s(x, bs = "cs")'
munic_spread_sorted<-head(munic_spread_sorted,30)
munic_spread_sorted## # A tibble: 30 x 5
## municipio cantidad_incauta poblacion_2017 cantidad_hurtos indice_hurtos
## <chr> <int> <int> <int> <dbl>
## 1 BOGOTÁ D.… 1829 8080734 64188 7.94
## 2 BARRANQUI… 1066 1228271 5585 4.55
## 3 CALI 1061 2420114 14681 6.07
## 4 MEDELLÍN 563 2508452 17522 6.99
## 5 CÚCUTA 403 662673 2267 3.42
## 6 CARTAGENA 375 1024882 1954 1.91
## 7 BUCARAMAN… 269 528497 4068 7.70
## 8 SOLEDAD 269 649111 1079 1.66
## 9 MANIZALES 261 398830 1883 4.72
## 10 PEREIRA 217 474335 2701 5.69
## # … with 20 more rowsggplot(munic_spread_sorted, aes(x=cantidad_incauta, y=indice_hurtos)) +
geom_point()+geom_smooth() +ylim(0, 7) + xlim(0,500)## `geom_smooth()` using method = 'loess' and formula 'y ~ x'